一种多分辨率组合的模糊神经网络分类器 - 电子学报.pdfVIP

第 6 期 电　　子 　　学 　　报 Vol . 30 　No . 6 　2002 年 6 月 ACTA ELECTRONICA SINICA June 　2002 　 一种多分辨率组合的模糊神经网络分类器 陈　曦 ,靳东明 ,李志坚 (清华大学微电子学研究所 ,北京 100084) ( ) 　　摘 　要 : 　提出一种多分辨率组合的分类器 MRCC 模型和相应的学习算法 ,发展了 Simp son 的模糊最小最大神经 ( ) 网络 FMM 方法. 它克服了原始模型的几个缺点 :训练结果不依赖于训练样本出现的次序 ,超盒扩张不受一个固定的 最大尺度限制. 和原始模型的超盒相比较 ,新模型的超盒中引入了一个参数表示超盒对于训练样本的分类正确率 ,称 为超盒置信度. 新的学习算法假设样本在一定尺度下均匀分布 ,从而能够在线调整超盒置信度参数. 新的学习算法采 用多分辨率组合的方法 ,消除了原始算法中选择超盒最大尺度限制参数的困难. 实验表明 ,MRCC 模型与原始 FMM 模 型相比 ,分类性能更好 ,学习算法的自适应能力更强 ,建立的模糊超盒数更少 ,并行处理能力更强. 关键词 : 　模式分类 ; 模糊最小最大神经网络 ; 递归训练 ; 多分辨率组合 ; 局部均匀分布 ; 超盒置信度 中图分类号 : 　TN18 　　　文献标识码 : 　A 　　　文章编号 : (2002) A New Kind of Fuzzy Neural Network Cla s sifier CHEN Xi ,J IN Dongming ,L I Zhij ian ( Institute of Microelectronics Tsinghua University , Beij ing 100084 , China) Ab stract : 　A MultiResolution Combined Classifier (MRCC) model and its learning algorithm are proposed. The MRCC is a modification of Simp son ’s original Fuzzy MinMax (FMM) Neural Network Classifier . It overcomes some undesired properties of the o riginal model :specifically ,training results do not depend heavily on pattern presentation order and hyperbox expansion is not limited by a fixed maximum size . Compared with the original model ,a new parameter called the reliability of hyperbox is introduced in MR CC ,which presents the correct classification rate of a single hyperbox.