基于云模型的模糊神经网络算法研究

摘要：

针对模糊神经网络不能同时处理随机性和模糊性且人为影响严重等问题,提出采用云模型进行不确定性表达,建立云模糊神经网络模型.针对黄金分割法的误差问题,提出使用高斯拟合算法计算云模型的数字特征.利用云模型计算属性的确定度,作为隶属函数;使用改进的"软与"算法完成云规则生成及匹配;通过云模型对BP算法进行优化,避免出现局部最优解;根据输出数值及确定度判断数据所属类别.实验结果表明,云模糊神经网络对不确定性的处理具有更高的准确性.

关键词：模糊神经网络、数据挖掘、云模型、云规则生成、"软与"算法、BP算法优化、不确定性推理

所属期刊栏目：43

分类号：TN711-34(基本电子电路)

资助基金：国家自然科学基金资助项目71363040

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：82-86,91