论文部分内容阅读
传统中由单一的神经网络等算法所构架起的评价模型主要存在着精度低、网络学习速度慢等不合理之处。为此,提出了基于粗糙集和RBF神经网络的大规模数据集环境下的评价方法。首先详解了粗糙集理论对大规模高维数据所确定的宽泛属性集的分类、约简;然后把处理后的数据指标作为RBF神经网络的输入进行训练、仿真。以高速公路路面性能使用评价为例,给山了该方法的具体实现过程,与没有采用属性约简的RBF神经网络进行结果对比,该方法在大规模高维数据集应用评价上更具有实用性、有效性。