資源描述：
《基于BP神經(jīng)網(wǎng)絡(luò)和FUZZY集的模式識(shí)別算法及其MATLAB實(shí)現(xiàn).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、中南工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)第34卷增刊22003年7月J.CENT.SOUTHUNIV.TECHNOL.基于BP神經(jīng)網(wǎng)絡(luò)和「UZZY集的模式識(shí)別算法及其MatLab實(shí)現(xiàn)蔣良孝，蔡之華.劉釗(中國地質(zhì)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系，湖北武漢430074)摘要:提出了一種基于BP神經(jīng)網(wǎng)絡(luò)和Fuzzy集的模式識(shí)別算法，并在MatLab系統(tǒng)環(huán)境下實(shí)現(xiàn)了這種算法.實(shí)踐證明，運(yùn)用該算法進(jìn)行模式識(shí)別的準(zhǔn)確率非常高，使用MatLab編程簡捷明了，具有很強(qiáng)的實(shí)用性和較大的應(yīng)用前景.關(guān)鍵詞:模式識(shí)別;BP神經(jīng)網(wǎng)絡(luò);Fuzzy集;MatLab中圖分類號(hào);TP301.6模式
2、即對(duì)某一事物或其他一些感興趣項(xiàng)目的定經(jīng)網(wǎng)絡(luò)由3層構(gòu)成:輸入層、隱含層和輸出層，各層量或結(jié)構(gòu)上的描述，它可以用一個(gè)標(biāo)準(zhǔn)激勵(lì)或用取之間實(shí)行全互連接方式.自標(biāo)準(zhǔn)激勵(lì)和它們相互關(guān)系的屬性組成的矢量來表BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法又叫誤差逆?zhèn)鞑ニ惴?示，一組具有公共特性的模式可以看作一個(gè)模式類.其基本思想是:向后傳播通過迭代處理一組訓(xùn)練樣通過機(jī)器進(jìn)行模式識(shí)別的主要問題就是如何采用更本，將每個(gè)樣本的網(wǎng)絡(luò)預(yù)測與實(shí)際知道的類標(biāo)號(hào)比好的計(jì)算機(jī)處理技術(shù)自動(dòng)地、人盡可能少介人把模較，進(jìn)行學(xué)習(xí).對(duì)于每個(gè)訓(xùn)練樣本，修改連接權(quán)和闌式分到各自的類中.更廣泛地說，模式識(shí)別就是將測值，
3、使得網(wǎng)絡(luò)預(yù)測和實(shí)際類之間的均方誤差最小。這量結(jié)果、激勵(lì)或輸人模式分配到有意義的類別中.目種修改“向后”傳播，即由輸出層，經(jīng)由每個(gè)隱含層，前，可以用于模式識(shí)別的算法很多，但大多數(shù)算法都直到第1個(gè)隱含層.盡管不能保證，但一般地，權(quán)都存在分類準(zhǔn)確率低的缺陷.為了提高模式識(shí)別的準(zhǔn)最終收斂，從而結(jié)束學(xué)習(xí)過程.當(dāng)然，權(quán)值收斂并非確率，本文作者提出了一種基于BP神經(jīng)網(wǎng)絡(luò)和唯一結(jié)束學(xué)習(xí)的條件，如迭代的次數(shù)超過了預(yù)先設(shè)Fuzzy集的模式識(shí)別算法，實(shí)踐證明，運(yùn)用該算法進(jìn)定的最大迭代次數(shù)或者實(shí)際誤差已經(jīng)達(dá)到了目標(biāo)誤行模式識(shí)別的準(zhǔn)確率非常高.此外，本文遺棄了C差的水準(zhǔn)，
4、均是結(jié)束學(xué)習(xí)的條件.詳細(xì)的誤差逆?zhèn)鞑ズ虲++等傳統(tǒng)的高級(jí)編程語言，而是采用功能強(qiáng)大算法見文獻(xiàn)〔1].的MatLab語言編程，使程序簡捷明了，達(dá)到了事半1.2Fuzzy集及其距離最近原則功倍的效果.設(shè)U是論域，所謂U上的“Fuzzy集’'A，是指對(duì)任意的XEU,x常以某個(gè)程度p如E[0,1])屬于1算法介紹A，而非xEA或x任A.給定論域U中若干標(biāo)準(zhǔn)模式A,,AZ,-,A.，其中A,,AZ,-,A.:都是U的子集，再給出某具體對(duì)1.1BP神經(jīng)網(wǎng)絡(luò)及其誤差逆?zhèn)鞑ニ惴ㄏ驛，要求判定A應(yīng)屬于哪一類模式，這就是所謂神經(jīng)網(wǎng)絡(luò)具有對(duì)噪聲數(shù)據(jù)的高承受能力，對(duì)未的
5、模式識(shí)別.若給定的標(biāo)準(zhǔn)模式是U上的Fuzzy子經(jīng)訓(xùn)練的數(shù)據(jù)分類模式的能力，并行處理能力以及非線性映射的能力等特性.也正是這些特性推動(dòng)了集，就稱為Fuzzy模式識(shí)別.若要求識(shí)別的對(duì)象A神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中方面的應(yīng)用.BP神經(jīng)網(wǎng)絡(luò)是也是U上的Fuzzy子集，則常用“擇近原則”中的目前應(yīng)用最廣、實(shí)現(xiàn)途徑最直觀、運(yùn)算機(jī)制最容易理“距離最近原則”來進(jìn)行模式識(shí)別.現(xiàn)陳述如下:解、研究最深人的一種神經(jīng)網(wǎng)絡(luò)一個(gè)典型的BP神設(shè)U共口,A,,AZ,***,A,,A;EPCF(U)，是已收稿日期:2003-03-24甚金項(xiàng)目:湖北省自然科學(xué)基金資助項(xiàng)目(2001ABB
6、006);湖北省科技攻關(guān)計(jì)劃項(xiàng)目(2002AA101C07).154中南工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)第34卷增刊2知的標(biāo)準(zhǔn)模式.AEP是待判對(duì)象.現(xiàn)給定闌值又.選元，那么網(wǎng)絡(luò)可識(shí)別的模式類別最多可為2”種一定p上的距離p，若p(A,Ak)二min{p(A,A,),p(A,般情況下，網(wǎng)絡(luò)只含一個(gè)隱含層.因?yàn)椋M管增加層AZ),...,杯A,Am))，且可A,Ak)A，則拒絕判別(說明依據(jù)上述方化，從而增加了網(wǎng)絡(luò)權(quán)值的訓(xùn)練時(shí)間;而且增加隱含式，不能判別A應(yīng)屬的類別).
7、層中神經(jīng)元的數(shù)目不但可以提高誤差的精度，還可1.3MatLab及其BP神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)以使其訓(xùn)練效果比增加層數(shù)更易觀察和調(diào)整.至于MatLab(MatrixLaboratory)是由美國Math隱含層中神經(jīng)元的數(shù)目要視具體情況且通過對(duì)比訓(xùn)Works公司推出的多功能數(shù)學(xué)應(yīng)用軟件，它集數(shù)值練來確定.分析、矩陣計(jì)算、信號(hào)處理和圖形顯示于一體，構(gòu)成2.2BP網(wǎng)絡(luò)的初始化及訓(xùn)練參數(shù)的設(shè)定了一個(gè)方便的界面友好的用戶環(huán)境.該系統(tǒng)的基本網(wǎng)絡(luò)的初始化主要是對(duì)連接權(quán)值和神經(jīng)元闌值數(shù)據(jù)結(jié)構(gòu)是矩陣，在生成矩陣對(duì)象時(shí)，不需要對(duì)維數(shù)的初始化.由于系統(tǒng)是非線性的，初始值的選
8、取對(duì)于進(jìn)行明確的說明.尤其是MatLab具有很強(qiáng)的功能擴(kuò)展能力，與它的主系統(tǒng)一起，可以配備包括神經(jīng)網(wǎng)學(xué)習(xí)是否能夠達(dá)到局部最小，是否能夠收
