内容发布更新时间 : 2024/5/22 4:01:07星期一 下面是文章的全部内容请认真阅读。

输入变量的联合隶属函数和结论部的函数fj(x)都用神经网络来求得．模糊规则的个

数由减法聚类方法得到，聚类参数如下：

Range of influence: 0.3 Squash factor: 1.1 Accept factor: 0.6 Reject ratio: 0.15

神经网络采用前向的BP网络，神经元的传递函数为Sigmoid函数，输出层采用线性

函数．网络结构如下图所示：

由于系统的结构比较复杂，用30维的数据进行训练十分缓慢，只用了前面已提取出

的6个特征对系统进行了训练，得到了神经模糊系统．用后100组数据进行检验，诊断正确率达96%．

病例号 914862 91504 91505 915143 915186 9151276 91544001 91544002 915452 915460 91550 915664 915691 915940 91594602 916221

类别 B B B M B B B B B M M B M B M B 病例号 917062 917080 917092 91762702 91789 917896 917897 91805 91813701 91813702 918192 918465 91858 91903901 91903902 9193040类别 B B B M B B B B B B B B B B B M 病例号 91979701 919812 921092 921362 921385 921386 921644 922296 922297 922576 922577 922840 923169 923465 923748 923780 类别 M B B B B B B B B B B B B B B B 病例号 924632 924934 924964 925236 925277 925291 925292 925311 925622 926125 926424 926682 926954 927241 92751 类别 B B B B B B B B M M M M M M B 6

916799 916838 M M 2 919537 919555 B M 924084 924342 B B 六. 模型的进一步讨论

神经网络和模糊系统的融合大致有两种形式：一种是用神经网络生成模糊系统的隶属函数和模糊规则来构造模糊系统，一种是使用模糊系统来初始化神经网络的初始权值来构造神经网络．二者都可用于模式识别，并都有良好的效果．但二者的特点又各不相同，第一种形式具有更加人性化的输出，便于构造专家系统，第二种形式有更好的自适应性．对于模型的进一步讨论可以考虑二者的进一步结合，可以让两种系统按并行或串行的方式结合到一起，前一种系统的输出作为后一种系统的输入，这样二者接替使用，最终由模糊系统输出结果，用于专家系统的分析．

参考文献

[1] 赵振宇、徐用懋，模糊理论和神经网络的基础与应用，清华大学出版社． [2] 袁曾任，人工神经元网络及其应用，清华大学出版社．

[3] 叶其孝，大学生数学建模竞赛辅导教材，湖南教育出版社．

[4] 施阳、李俊，MATLAB语言工具箱-TOOLBOX实用指南，西北工业大学出版社． [5] 徐昕、李涛、伯晓晨，MATLAB工具箱应用指南-控制工程篇，电子工业出版社．

7