模糊神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用.pdf

1、隨著計算機科學技術(shù)的飛速發(fā)展，人工智能在目標識別領(lǐng)域的應(yīng)用顯現(xiàn)出強大的生命力。模糊神經(jīng)網(wǎng)絡(luò)作為人工智能的分支，具備模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的優(yōu)點，具有表達和處理確定信息以及模糊信息的能力、良好的學習能力等特點。因此模糊神經(jīng)網(wǎng)絡(luò)在目標識別中有著廣泛的應(yīng)用。
　　本文首先介紹了模糊邏輯理論及模糊神經(jīng)網(wǎng)絡(luò)理論，并基于Takagi-Sugeno（T-S）模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對聲音特征信號數(shù)據(jù)進行仿真實驗，在針對其誤識別數(shù)據(jù)進行研究時發(fā)現(xiàn)，存在一組

2、模糊度較高的數(shù)據(jù)，其特點為類間距離接近。因此，本文提出了一種普遍適用的改進模糊神經(jīng)網(wǎng)絡(luò)的學習算法，對學習率和參數(shù)更新進行了改進，達到了對類間距離接近數(shù)據(jù)的準確識別。分別采用聲音特征數(shù)據(jù)和腫瘤細胞數(shù)據(jù)對改進算法進行了驗證，在與原始算法的比較中，識別率提高了近百分之十。
　　其次，對原始模糊神經(jīng)網(wǎng)絡(luò)模型中輸出的非模糊化進行分析，并對類間距離接近數(shù)據(jù)進行進一步的研究，提出將輸出結(jié)果用模糊化表示的方法，并在此基礎(chǔ)上建立一種新型的模糊神經(jīng)網(wǎng)

3、絡(luò)模型--多模糊輸入多模糊輸出（MFIMFO）模型。在與原始網(wǎng)絡(luò)模型的對比中，識別率都有顯著提高，尤其對聲音信號特征，平均識別率從原始網(wǎng)絡(luò)的百分之七十多提高到新型網(wǎng)絡(luò)的百分之九十左右。
　　最后，在模糊神經(jīng)網(wǎng)絡(luò)實際應(yīng)用中，對MSTAR中SAR圖像目標識別，采用不變矩、灰度和紋理的特征向量進行分類識別，普通模糊神經(jīng)網(wǎng)絡(luò)會因特征向量數(shù)據(jù)中存在類間距離接近的數(shù)據(jù)無法達到較好的識別效果。因此，基于新型模糊神經(jīng)網(wǎng)絡(luò)，構(gòu)建SAR圖像識別的網(wǎng)絡(luò)