论文部分内容阅读
在传统的ART(AdaptiveResonanceTheory)网络结构中忽略了样本属性重要性的不同对分类结果产生的影响。然而实际应用中,需要在网络预测阶段对此予以重视。该文提出了基于冲量权值的ART网络IFWART(ImpulseForceWeightbasedAdaptiveResonanceTheory)。它引入冲量权值表示属性的重要性,通过进化算法的优胜劣汰机制优化冲量权值,并将量化的权值结果分配到网络的比较层中,从而提高网络预测精度。在UCI标准数据集上将IFWART与其他有监督ART网络