基于FNN模型的决策算法研究

作     者：侯庆山 邢进生 HOU Qing-shan;XING Jin-sheng

作者机构：山西师范大学数学与计算机科学学院山西临汾041000 

基　　金：山西省软科学基金资助项目(2011041033-03) 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2020年第30卷第12期

页      码：92-98页

摘      要：鉴于证据理论对样本分类和决策过程的复杂性以及不稳定性,提出了一种基于神经网络模型和模糊集理论的样本决策算法。为了降低样本分类和决策过程的复杂性,增强算法的稳定性和适用性,在该算法中,设计并提出了一种新的隶属度函数。应用提出的隶属函数对相关数据集样本进行模糊化处理,得到数据集的模糊化矩阵,其中输入样本数据与不同样本类别的隶属度相关联。根据隶属度矩阵,并结合性能较好的激活函数Swish-B,通过神经网络分类器,样本将被归属于特定的类。基于鸢尾花数据集对其进行可视化分析,将该方法与传统的证据理论及相关改进算法进行比较,验证了所设计的隶属度函数具有良好性能,同时实验结果证明了该算法的合理性与有效性,算法过程更为简单,鸢尾花数据集的分类准确率高达98%。

主 题 词：复杂性 稳定性 证据理论 样本分类 神经网络 模糊集理论 隶属度 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1673-629X.2020.12.017

馆 藏 号：203997940...