一种新的FART分类器
雷洪利
张殿治
刘文华
严盛文
1.空军工程大学,工程学院,陕西,西安,7100382.空军工程大学,工程学院,陕西,西安,7100383.空军工程大学,工程学院,陕西,西安,7100384.空军工程大学,工程学院,陕西,西安,710038
摘要：提出了一类基于贴近度理论的模糊ART神经网络模型,简称为CBFART(Closeness Based Fuzzy ART)模型.将模糊数学中的贴近度(Closeness)和择近原则(Closest Principle)概念与自适应共振理论(ART)相结合,形成了一种新的网络模型.该模型的学习以匹配-委托循环为特点,网络分类遵循择近原则.补码编码、匹配-委托和快速委托-慢速重编码方案相结合,保证了网络学习的收敛性和稳定性,并可以做到一次性学习,提高了学习速度.文中对高维样本进行分类仿真,给出了仿真结果,分析表明该模型具有良好的聚类特性,能够稳定地对高维样本进行分类.
关键词：神经网络自适应共振理论模糊贴近度择近原则
分类号：TP389.1(计算技术、计算机技术)O235(控制论、信息论（数学理论）)
论文发表日期：2002-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 64-67 )
英文信息