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