10.3969/j.issn.1003-501X.2008.03.003
用粗集-模糊神经网络评定空袭目标威胁程度
针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上:在这个子空间上用改进的BP算法训练进行逼近.实验结果表明:通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求.
粗糙集、模糊神经网络、约简、威胁估计
35
TP391(计算技术、计算机技术)
中国科学院知识创新工程项目
2008-05-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
10-15