基于粗糙集的并行协作模块化神经网络模式分类器

• 作 者: 凌卫新 郑启伦 等
• 机 构: 华南理工大学应用数学系,华南理工大学计算机科学与技术学院
• 出 处: 计算机工程与应用
• 发表日期: 2002年23期
• 关键词: 粗糙集 并行协作模块化 神经网络 模式分类器 任务分解 Pattern classifier Modular neural networks Rough set
• 基金项目: 国家自然科学基金项目(编号:69783008),国家博士点基金项目(编号:98056117),广东省自然科学基金项目(编号:990582),华南理工大学自然科基金项目(编号:E5-121-131)

该文提出了基于粗糙集的K类模式分类器的体系结构（RSPCMNNC），基于粗糙集理论提出了三个预处理算法。简化了分类器的结构，降低了学习难度，有效地避免产生过多的子网。样本空间基于最大均衡的策略来划分，保证BP算法在学习过程中的有效性。实验结果表明，该文提出的RSPCMNNC分类器显示出更高的识别率，对于实际应用中多特征模式的识别问题，具有很大的实用价值。