基于消除不确定性的模糊聚类方法的模糊神经网络

王萌; 肖创柏

Chinese

您当前的位置：

首页 >

文章列表页 >

基于消除不确定性的模糊聚类方法的模糊神经网络

更新时间：2026-09-04

- 基于消除不确定性的模糊聚类方法的模糊神经网络
- Fuzzy Neural Networks Based on Fuzzy Clustering for Eliminating Uncertainty
- 微电子学与计算机 2018年35卷第12期页码：8-11
- 作者机构：
  
  北京工业大学信息学部,北京,100124
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61501008北京市自然科学基金 4162007北京市科技计划项目 Z171100004717001
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
王萌, 肖创柏. 基于消除不确定性的模糊聚类方法的模糊神经网络[J]. 微电子学与计算机, 2018, 35(12): 8-11.

WANG Meng, XIAO Chuang-bai. Fuzzy Neural Networks Based on Fuzzy Clustering for Eliminating Uncertainty[J]. 2018, 35(12): 8-11.
王萌, 肖创柏. 基于消除不确定性的模糊聚类方法的模糊神经网络[J]. 微电子学与计算机, 2018, 35(12): 8-11. DOI：

WANG Meng, XIAO Chuang-bai. Fuzzy Neural Networks Based on Fuzzy Clustering for Eliminating Uncertainty[J]. 2018, 35(12): 8-11. DOI：

摘要

模糊神经网络是一种将模糊推理系统嵌入到神经网络推理过程中的神经网络.如何确定模糊神经网络的结构是一个影响神经网络决策性能的关键问题.而模糊集的个数则是确定模糊神经网络结构的关键.许多研究使用模糊聚类来确定模糊集的个数.然而

现有的模糊聚类算法需要预设参数

这就使得整个过程受到了人为干涉.本文提出了一种自适应的模糊聚类方法来确定模糊集的个数.该方法以两个模糊集交界处的样本的模糊程度为标准

利用分裂法获得最终的聚类结果.实验表明

我们的算法在多个经典数据集上的决策结果在精度上超越了以前的算法.

Abstract

A fuzzy neural network is a learning machine that embeds a fuzzy system (i.e.

fuzzy sets

fuzzy rules) into neural networks. It is crucial to determine the architecture of the networks according to the number of fuzzy sets. In previous works

the number is determined using fuzzy clustering. However

these methods is depended on some parameters which are set artificially. Thus

the methods are somewhat subjective. In this paper

an adaptive clustering method is proposed. It implements splitting technique and limits the number of samples in the intersection of two fuzzy sets to decrease the uncertainty. Finally

the results show that our algorithm brings out significant improvement over existing methods.

关键词

Keywords

references

Juang C F. A TSK -type recurrent fuzzy network for dynamic systems processing by neural network and genetic algorithms[J]. IEEE Trans on Fuzzy Systems, 2002, 10(2): 155-170. DOI: 155

李永明.模糊系统分析[M].北京:科学出版社, 2005: 47-128. DOI: 47

Neural Networks Hinton G. A practical guide to training restricted Boltzmann machines[M]. Neural Networks: Tricks of the Trade, 2012: 599-619. DOI: 599

何朝峰, 邸建红.基于模糊聚类的自适应模糊神经网络[J].石家庄铁路职业技术学院学报, 2005, 4(3): 29-32. DOI: 29

李映, 白本督, 焦李成.一种基于模糊神经网络的非线性系统模型辨识方法[J].电子与信息学报, 2002, 24(3): 355-360. DOI: 355

Chen Y C, Teng C C. A model reference control structure using a fuzzy neural network [J]. Fuzzy Sets and Systems, 1995, 73(2): 291-312. DOI: 291

姚宏伟, 梅晓榕, 庄显义.模糊聚类分析在模糊神经网络结构优化中的应用[J].高技术通讯, 2000(100): 64-66. DOI: 64

Shusen Z, Qingcai C, Xiaolong W. Active deep networks for semi-supervised sentiment classification[C]//International Conference on Computational Linguistics. Lasi, Romania, 2010: 1515-1523.

Zadeh A, Saberi M, Anvari M. An integrated artificial neural network fuzzy c-means-normalization algorithm for performance assessment of decision-making units[J]. The cases of auto industry and power plant.Computers % Industrial Engineering, 2010, 60(2):328-340. DOI: 328

耿志强, 陈杰, 韩永明.基于模糊RBF神经网络的乙烯装置生产能力预测[J].化工学报, 2016, 67(3): 812-819. DOI: 812

Lin C T, Lee C S G. Neural-network-based fuzzy logic control and decision system[J]. IEEE Trans. Comput., 1991(40): 1320-1336. DOI: 1320

Shusen Z, Qingcai C, Xiaolong W. Fuzzy deep belief networks for semi-supervised sentiment classification[J]. Neurocomputing, 2014(131): 312-322. DOI: 312

黄奇瑞.基于模糊C均值和BP神经网络的遥感影像自动分类算法[J].南阳理工学院学报, 2015, 7(4): 57-60. DOI: 57

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种用于极低压boost系统的高效率电荷泵

大模型发展综述：从BERT到Deepseek的技术演进

V型沟槽SiC中子探测器的蒙特卡洛分析

基于监控指标关联性的微服务异常检测

基于区块链的AI生成内容溯源框架设计研究