基于模糊神经网络的综合评判方法.pdfVIP

第35卷 第6期 计 算 机 工 程 2009年3月 Vol3s No．6 ComputerEngineering M arch 2009 · 人工智能及识别技术 · 文章编号2009)060200--02 文献标识码：A 中圈分类号：TP183 基于模糊神经网络的综合评判方法 李 翔，苏 成，王韶君 f中国矿业大学计算机学院，徐州 221008) 摘 要：针对综合评判模型中主观因素影响评判精度问题，引入模糊神经网络优化评判模型的方法，采用模糊神经网络的训练过程逼近综 合评判模型的权重集和隶属度函数。为了提高该方法的有效性，对网络训练算法进行多方面的优化，以便神经网络更快更稳定地收敛。结 果证明该方法能较好地去除综合评判模型中的主观成分，有效地提高评判的最终精度。 关健诃：综合评判；神经网络；权重；评价矩阵 ComprehensiveEvaluationM ethodBasedonFuzzyNeuralNetwork LIXiang，SUCheng，WANGShao~un (CollegeofComputer,ChinaUniversityofMiningandTechnology，Xuzhou221008) [Abstract|Tosolvetheproblemofgettingamorepreciseresultofcomprehensiveevaluations，fuzzyneuralnetworkmethodisintroduced．This methodusesanetworktrainingalgorithmtocopewithsubjectivefactorsinevaluationsmode1．Thealgorithmcanefficientlyapproximatetheweight setanddegreeofmembershipfunction．To enhanceitsvalidity，manyskillsareadoptedtooptimizethenetworktrainingprocess．Theresultsshow thatthestrategycanefficientlyimprovethefinalprecisions．Itisabettersolutionforsynhtesisevaluationsproblem． [Keywordslcomprehensiveevaluations；neuralnetwork；weight；evaluationmatrix 1 综合评判模型及其面临的问题 (2)设一是模糊取小逻辑神经元的，z个输入， e0【，1】是 人们在社会实践中往往需要比较各种事物，评价事物的 对应的权值，i=1—2一，n，0为阈值，作用函数，为 优劣，以便作出相应的处理。由于事物往往有多种属性或受 I1 g()≥1 多种因素影响，因此在评价事物时，必须对多个相关的因素 Y=，(g())=_厂(八【A )一)={g()0g()1 进行综合考虑，这便是综合评判。 10 譬()0 取综合评判的模型为W 。R=B ，其中，w代表权重集， 模糊取小逻辑神经元结构如图2所示。 用来反映各因素的重要程度；R代表单因素评判集；R= ，表 示 i种因素对门呻评价的模糊隶属度；B代表评价集；。代表 w与R的一种合成方式，比如取最大最小合成算子。 以上为一般的模糊综合评价数学模型，但权重集 w的确 定一般通过某领域的专家给出，含有较多的人为因素。 图2 模翱取小逻辑