基于支持向量机的模糊小波神经网络

摘要：

针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法.首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小.仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度.

关键词：模糊小波神经网络、支持向量机、有监督模糊聚类、分类

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：江苏省博士后科学基金0502010B;中国矿业大学校科研和教改项目2005B005

在线出版日期：2006-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1351-1354,1368