模糊神经网络分类器.pdfVIP

信号处理 模糊神经网分类器’ 杨恒 张贤达 (清华大学自动化系，智能技术与系统国家重点实验室) 【摘要】本文提出了一种新模糊神经网络，通过训练样本的均值和方差选择神经网络的初值，能十分快速 的进行有监督的模式分类。 关键字：模式分类．模糊神经网络．隶属度函数 一、介绍 在统计模式识别中．模式类相当子特征空间中的集合。利用模糊数学的方法进行分类时．每一类就是一 个模糊集合。根据择近原则，对输入样本隶属度最大的集合就是输入样本所在的类别，。因此，如何通过训练 样本得到每一模糊类的隶属度函数就成为模糊分类的关键． 在利用模糊技术进行分类时，选择模糊类的中心和隶属度函数是十分困难的。一般的模糊c均值聚类方 法是自适应的模糊聚类方法，不能用于有监督的模式分类中．本文中提出了一种模糊神经网络分类器。能通 过训练样本得到模糊类的隶属度函数，使得对本类样本的隶属度最大，而对其它类的隶属度最小。 本文的结构为：第二节介绍模糊神经网络分类器的结构并与以前的模糊神经眄络作了比较，第三节允纽 模糊神经髓络的训练算法，第四节介绍模糊神经两络分类器初始参数的选取．第五节通过对实际数据的计算 比较了模糊神经网络分类器和径向基神经网络分类嚣的效果．第六节为结论和展望。 二、模糊神经网络分类器的结构 模糊神经网络分类器是一个三层前向网，如图l所示．第一层是输入层，假设输入样本是一个n维特征 向量z，则输入层有行个神经元。输入层第i个神经元的算法为： ybz：f_]n (1) 模糊神经网络分类嚣的第二层是隐层，用来计算输入样本相对于各模糊类的隶属度．本文选择高斯型隶 属度函数作为模糊类的隶属度函数，这种隶属度函数在模糊控制应用嗍中取得了很好的结果。如果已知的类型 有M类，则隐层有^f个神经元。隐层第，个神经元的算法为： x,2=y?扛l…n ‘ ，=l…M 一=d一喜警] 模糊神经网络分类器的第三层是输出层，该层是竞争型的神经元，用来输出最终的分类结果。当输入的 特征向量相对于某一类型的隶属度大于一闽值口时，表示输入的特征向量属于已知的类型，它的类型为隶属 度最大的那一类。当输入的特征向量相对于任一类型的隶属度小于阚值口时，表示输入的特征向量属于未知 ‘国家自然科学基金和教育部博士点基金资助 蠢l孺参 信号处理 的类巧I．输jI{为【J。输H{联H仃{个砷羟几．它的雉法为： z?=Y；J=卜¨^， ，1=n s鲫(乎jk)～一)接中^，满足‘=弩M孕t—x) 本殳-I一的楼糊利1绛网络在求膳，蛭函数选择l：与建立在 址邻近f“划、址础【：的丰娆棚神纤嘲络宵很大不同。最邻近值法 娃撬 个树本目IA浅它黜浅蛀摊近桷獒．诅：模糊c均值聚 1Ion 类l舸I KcungKwalll4I提出的模糊神绛嘲络中，选择模糊 输出层 炎的j坫J_J；膻函数都‘，咄儿!珏得距离囱』很人关系．当样本和模 』℃类tI，心瞅氏趴离越小时，O!rJ求“度越人：反之．当样本和 挂式类-}t心瞅氏蹦离越人时，啦0求腻度越小。但足，这种模 隐层 籼t妊埘艘函数，ljI!=n：枰奉每‘特扯维的数值人小和分散情况 址儿f啊仆d的’^况卜一。有设，与样本禁一‘维特征因为数值相 时比牧人InJ稿：畎氏埘i离【Il起决定悄．作用时．这种隶属度函数 ：晰失2,fi+川。小业r卜的模糊求植皮函数埘每。维特征都有不 ll|】的孝敬盯j柬