论文部分内容阅读
通过分析模式树推导方法的特点，提出一种新的线性方法来构造参数化的模糊与/或算子，使得模式树成为一个完全由参数化模糊算子构成的模型。该方法既保持了原有模型可读性强、精度高和可解释性强的优点，又有效地提高了该模型的灵活性；同时建立了相应的参数优化机制。实验结果表明，新的模式树在分类精度上比原有模型有了较显著的提高。