基于模糊logistic神经网络的分类问题研究

《基于模糊logistic神经网络的分类问题研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、乂么禮＾大＇葦ＤＡＬＩＡＮＵＮＩＶＥＲ幻ＴＹＯＦＴＥＣＨＮＯＬＯＧＹ预王等恆巧交ＭＡＳＴＥ民ＡＬＤＩＳＳＥＲＴＡＴＩＯＮ杳Ｗ基于模糊ｌｏｇｉｓｔｉｃ神经网络的分类问题研究学科专业＿猿盡遮逊互當館裹绽＿＿作者姓名些娃赶指导教师李洪兴教授２０１６７Ｈ＾Ｍ＿答辦日期＿硕±学位论文基于模糊ｌｏｇｉｓｔｉｃ神经网络的分类问题研究ＲｅｓｅａｒｃｈｏｆＣｌａｓｓｉｆｉｃａｔｉｏｎＰｒｏｂｌｅｍｂａｓｅｄｏｎＦｕｚｚｙＬｏｉｓｔｉｃｇＮｅｕｒａｌＮｅｔｗｏｒｋ作者姓名：迟丹丹学科、专业；

2、模式识别与智能系统学号；２１３０９１２８指导教师；李洪兴－－完成日期：２０１６０６０２丈蓮巧义夫營ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中己经注明引用内容和致谢的地方外，本论文不包含其他个人或集体己经发表的研究成果，也不包含其他己申请学位或其他用途使用过的成果一。与我同工作的同志对本巧究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。

3、学位论文题目：基于模糊ｌｏｇｉｓｔｉｃ神经网络的分类问题研究＞作者签名：迄日期；山乂年／（月日寺４大连理工大学硕±学位论文摘要，模糊ｌｏｇｉｓ化神经网络集合了模糊神经网络和ｌｏｇｉｓ化回归各自的优点不仅具有较强的自主学习能力和处理专家先验知识的能力，还在很大程度上提高了神经网络对于分类问题的可解释性。本文分别介绍了模糊ｌｏｉｓｔｉｃ神经网络的二分类模型和其拓展模型，ｇ化及相应的参数辨识方法。论文的主要工作如下：一首先，本文提出种混合学习策略来辨识模糊ｌｏｇｉｓ化神经网络二分类模型的参数。我们选用高斯隶属函数作为网络前件的隶属函数，并采用带

4、约束的梯度下降法来识别高斯隶属函数的中也和宽度ｌｉｓｔｉｃ；选用ｏｇ函数作为网络后件的激活函数，并采用最大似（ｉｓ化函数中的参数ＧＰＳＯ）算法对这两种然估计法来辨识ｌｏｇ；最后，利用高斯粒子群方法中的学习率和动量因子进行优化。仿真结果表明，本文所构造的模糊ｌｏｇｉｓ比神经网络二分类模型对ＵＣＩ数据集Ｗ及医疗实测数据均取得较好的分类效果。，ｌｏｉｓ化神经网络二分类模型拓展为核模糊ｌｏｉｓｔｉｃ神经网络其次本文将模糊ｇｇ，用于处理多分类问题。我们分别采用线性核函数和高斯核函数将输入数据集映射到高维特征空间，，并利用主成分分析法进行数据降维。在此基础上采用最大似

5、然估计法完成参数辨识；与此同时，凭借网络对测试样本集的分类准确率构造伸缩因子，通过动态调节学习率来提高网络收敛速度并改善网络分类效果。仿真结果表明，本文所构造的核模糊ｏ一ｌｉｓ化神经网络对于处理多分类ＵＣ定优势，并且变论域学习率的使用ｇＩ数据集具有也在很大程度上提高了模型的计算效率。关键词：模糊ｌｏｇｉｓｔｉｃ神经网络；梯度下降；最大似然估计；高斯粒子群；核变换；主成分分析－－Ｉ基于模糊ｌｏｇｉｓｔｉｃ神经网络的分类问题研究Ｒｅ化ａｒｃｈｏｆＣｌａｓｓｉｆｉｃａｔｉｏｎＰｒｏｂｌｅｍｂａｓｅｄｏｎＦｕｚｚｙＬｏｉｓｔｉｃＮｅｕｒａ

6、ｌｇＮｅｔｗｏｒｋＡｂｓｔｒａｃｔＴｈｅｆＵｚｚｙｌｏｇｉｓｔｉｃｎｅｕｒａｌ打ｅｔｗｏｒｋｗｈｉｃｈｃｏｍｂｉｎｅｓｔｈｅａｄｖａ打ｔａｇｅｓｏｆｂｏｔｈｆｉｌｚｚｙｎｅｕｒａｌｎｅ－ｔｗｏｒｋａｎｄｌｏｉｓｔｉｃｒｅｒｅ泌ｉ〇Ａｎｏｔｏｎｌｈａｓａｓｔｒｏｎｓｅｌｆｌｅａｒｎｉｎａｂｉｌｉｔａｎｄａｂｉｌｉｔ化ｄｅａｌｇｇｙｇｇｙｙｗｉｔｈｒｉｏｒｋｎｏｗｌｅｄｅｏｆｅ？）ｅｒｔｓｂｕｔａｌｓｏｅｎｈａｎｃｅｓｔｈｅｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｆｏｒｃｌａｓｓ近ｃａｔｉｏｎｐｇｑ，ｙ

7、ｐｒｏｂｌｅｍｓｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ化ａｌａｒｇｅｅｘｔｅｎｔ．ＴｈｉｓａｐｅｒｉｎｔｒｏｄｕｃｅｓｔｈｅｂｉｎａｒｃｌａｓｓｉｆｉｃａｔｉｏｎｐｙｍｏｄｅｌａｎｄｉｔｓｅｘｔｅｎｄｅｄｍｏｄｅｌｏｆｆＵｚｚｙｌｏｇｉ巧ｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｓｅｐａｒａ化ｌｙ，ａ打ｄｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇａｒａｍｅｔｅｒｉｄｅｎｔｉｆｉｃａｔｉｏ打ａｌｇｏｒｉｔｈｍｓ．Ｔｈｅｍａ