一种基于粗糙集神经网络的分类算法

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.

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

所属期刊栏目：28

分类号：TP18;TP301.6(自动化基础理论)

资助基金：国家"863"高技术研究发展计划资助项目2007AA12Z113

在线出版日期：2011-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：838-840,850