论文部分内容阅读
当类别之间交叉现象比较严重时，网页分类方法的精度就会下降．为准确地分类网页，首先给出一种模糊网页分类的系统结构，通过用成员函数替代分类网络中的权值变量，来提供一种可融入人类关于网页分类知识的机制．然后给出一种通用学习规则，来学习成员函数中的参数．通过理论推导，用李雅普诺夫函数分析和验证通用参数学习规则的学习收敛性，揭示参数学习算法朝最小误差方向调整参数的内在因素．最后在单参数学习算法收敛性的分析基础上，提出一种变调整规则的单参数学习算法，加快参数学习速度．从学习收敛性的理论论证和实验结果来看，这种网页分类