论文部分内容阅读
提出了一种基于自底向上方式构造模糊粗糙数据模型并实现粗集神经网络建模的方法，该方法通过自适应pK聚类算法，实现输入论域空间的模糊划分，在基于聚类数和约简属性搜索的基础上．提取优化的模糊粗糙数据模型．在此基础上融合神经网络实现粗集神经网络建模．对Brodatz纹理图像的实验表明，该方法性能优于传统的贝叶斯和LVQ方法，和传统的粗逻辑神经网络RLNN相比，该方法建立的神经网络结构精简，收敛速度快，具有更强的泛化能力。