基于BP神经网络和FUZZY集的模式识别算法及其MATLAB实现.pdf

《基于BP神经网络和FUZZY集的模式识别算法及其MATLAB实现.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中南工业大学学报(自然科学版)第34卷增刊22003年7月J.CENT.SOUTHUNIV.TECHNOL.基于BP神经网络和「UZZY集的模式识别算法及其MatLab实现蒋良孝，蔡之华.刘钊(中国地质大学计算机科学与技术系，湖北武汉430074)摘要:提出了一种基于BP神经网络和Fuzzy集的模式识别算法，并在MatLab系统环境下实现了这种算法.实践证明，运用该算法进行模式识别的准确率非常高，使用MatLab编程简捷明了，具有很强的实用性和较大的应用前景.关键词:模式识别;BP神经网络;Fuzzy集;MatLab中图分类号;TP301.6模式

2、即对某一事物或其他一些感兴趣项目的定经网络由3层构成:输入层、隐含层和输出层，各层量或结构上的描述，它可以用一个标准激励或用取之间实行全互连接方式.自标准激励和它们相互关系的属性组成的矢量来表BP神经网络的学习算法又叫误差逆传播算法.示，一组具有公共特性的模式可以看作一个模式类.其基本思想是:向后传播通过迭代处理一组训练样通过机器进行模式识别的主要问题就是如何采用更本，将每个样本的网络预测与实际知道的类标号比好的计算机处理技术自动地、人尽可能少介人把模较，进行学习.对于每个训练样本，修改连接权和阑式分到各自的类中.更广泛地说，模式识别就是将测值，

3、使得网络预测和实际类之间的均方误差最小。这量结果、激励或输人模式分配到有意义的类别中.目种修改“向后”传播，即由输出层，经由每个隐含层，前，可以用于模式识别的算法很多，但大多数算法都直到第1个隐含层.尽管不能保证，但一般地，权都存在分类准确率低的缺陷.为了提高模式识别的准最终收敛，从而结束学习过程.当然，权值收敛并非确率，本文作者提出了一种基于BP神经网络和唯一结束学习的条件，如迭代的次数超过了预先设Fuzzy集的模式识别算法，实践证明，运用该算法进定的最大迭代次数或者实际误差已经达到了目标误行模式识别的准确率非常高.此外，本文遗弃了C差的水准，

4、均是结束学习的条件.详细的误差逆传播和C++等传统的高级编程语言，而是采用功能强大算法见文献〔1].的MatLab语言编程，使程序简捷明了，达到了事半1.2Fuzzy集及其距离最近原则功倍的效果.设U是论域，所谓U上的“Fuzzy集’'A，是指对任意的XEU,x常以某个程度p如E[0,1])属于1算法介绍A，而非xEA或x任A.给定论域U中若干标准模式A,,AZ,-,A.，其中A,,AZ,-,A.:都是U的子集，再给出某具体对1.1BP神经网络及其误差逆传播算法象A，要求判定A应属于哪一类模式，这就是所谓神经网络具有对噪声数据的高承受能力，对未的

5、模式识别.若给定的标准模式是U上的Fuzzy子经训练的数据分类模式的能力，并行处理能力以及非线性映射的能力等特性.也正是这些特性推动了集，就称为Fuzzy模式识别.若要求识别的对象A神经网络在模式识别中方面的应用.BP神经网络是也是U上的Fuzzy子集，则常用“择近原则”中的目前应用最广、实现途径最直观、运算机制最容易理“距离最近原则”来进行模式识别.现陈述如下:解、研究最深人的一种神经网络一个典型的BP神设U共口,A,,AZ,***,A,,A;EPCF(U)，是已收稿日期:2003-03-24甚金项目:湖北省自然科学基金资助项目(2001ABB

6、006);湖北省科技攻关计划项目(2002AA101C07).154中南工业大学学报(自然科学版)第34卷增刊2知的标准模式.AEP是待判对象.现给定阑值又.选元，那么网络可识别的模式类别最多可为2”种一定p上的距离p，若p(A,Ak)二min{p(A,A,),p(A,般情况下，网络只含一个隐含层.因为，尽管增加层AZ),...,杯A,Am))，且可A,Ak)A，则拒绝判别(说明依据上述方化，从而增加了网络权值的训练时间;而且增加隐含式，不能判别A应属的类别).

7、层中神经元的数目不但可以提高误差的精度，还可1.3MatLab及其BP神经网络工具箱函数以使其训练效果比增加层数更易观察和调整.至于MatLab(MatrixLaboratory)是由美国Math隐含层中神经元的数目要视具体情况且通过对比训Works公司推出的多功能数学应用软件，它集数值练来确定.分析、矩阵计算、信号处理和图形显示于一体，构成2.2BP网络的初始化及训练参数的设定了一个方便的界面友好的用户环境.该系统的基本网络的初始化主要是对连接权值和神经元阑值数据结构是矩阵，在生成矩阵对象时，不需要对维数的初始化.由于系统是非线性的，初始值的选

8、取对于进行明确的说明.尤其是MatLab具有很强的功能扩展能力，与它的主系统一起，可以配备包括神经网学习是否能够达到局部最小，是否能够收