论文部分内容阅读
神经网络是目前公认的高精度分类器，但它的分类过程却令人难以理解，被称为“黑箱”，从而降低了它的可信度，且使其结果不易应用到其它相关领域。本文提出应用决策树模拟神经网络的隐节点和输出节点的决策过程的思想，在分类精度基本不变的前提下，将训练后的前馈神经网络利用遗传算法进行剪枝，再将其转换为含有若干棵树的森林结构，然后将每棵树看作一个分类器，利用决策树模拟每个分类器的分类过程，最后将决策树结构转化为若干