基于粗糙-知识的神经网络在模式分类中的研究

摘要：

针对模式分类任务，提出一种基于粗糙－规则的神经网络构造方法，利用粗糙集理论和遗传算法约简输入特征，在尽量保持分类能力不变的情况下降低条件属性维数，导出简练的分类规则集合，以此为基础构造BP（Back Propagation）神经网络结构，确定网络层数，输入、输出节点个数等，并利用规则的条件属性重要度和依赖度对连接权值进行初始化，有效地解决了传统神经网络构造难、解释难、过拟合等问题，提高了分类精度。最后通过一个实例验证了方法的有效性，并初步探讨了网络训练时对知识提炼的影响。

关键词： 模式分类 粗糙集 遗传算法 特征约简 神经网络

作者: 窦东阳 赵英凯 李丽娟

作者单位: 中国矿业大学化工学院，徐州 221116 南京工业大学自动化与电气工程学院，南京 210009

会议类型: 国内会议

会议名称: 第七届全国计算机支持的协同工作学术会议暨第五届全国智能信息网络学术会议

会议地点: 南京

会议语种:中文

页码: 1-5

在线出版日期: 2010-11-26（万方平台首次上网日期，不代表论文的发表时间）