论文部分内容阅读
提出一种基于模糊粗糙模型的粗神经网络建模（FRM_RNN_M）方法．该方法通过自适应GK聚类实现输入输出积空间的模糊划分，进而在聚类数和约简属性搜索的基础上，提取优化的模糊粗糙模型（Fuzzy rough model，FRM），并在融合神经网络后实现粗神经网络建模．分类实验表明，FRM_RNN_M的分类性能优于传统贝叶斯和LVQ方法，而且比单纯的FRM模型具有更强的综合决策能力，和传统的粗逻辑神经网络（Rough logic neural network，RLNN）相比，FRM_RNN_M方法建立的神经网