一种基于粗糙集神经网络的分类算法

被引：9

作者：

郭志军 ^{[1
,2
]}

何昕 ^{[1
,2
]}

魏仲慧 ^{[1
,2
]}

张伟华 ^{[1
,2
]}

梁国龙 ^{[1
,2
]}

机构：

[1] 中国科学院长春光学精密机械与物理研究所

[2] 中国科学院研究生院

来源：

计算机应用研究 | 2011年 / 28卷 / 03期

关键词：

粗糙集; 决策规则; 隶属度; 神经网络; 网络收敛; 蚁群算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

当输入维数高时神经网络结构复杂、体系庞大,导致其收敛速度慢。为克服这个缺点,提出了基于决策规则的神经网络,利用粗糙集理论从数据样本中获取最简的决策规则,按决策规则语义构建一种不完全连接的神经网络。根据决策语义规则,计算并初始化网络的参数,减少网络训练的迭代次数、提高网络的收敛速度;同时利用蚁群算法对网络输入的连续属性的最优离散化值进行寻优,从而获得最优的网络结构。最后通过实验结果将本文方法与传统神经网络方法和支持向量机分类方法进行了比较,结果说明了该神经网络具有收敛速度较快、分类效率较高的优点。

引用

页码：838 / 840+850 +850

页数：4

共 7 条

[1] 基于粗糙集与支持向量机的分类算法 [J].