一种新型模糊-粗神经网络及其在元音识别中的应用.pdf

《一种新型模糊-粗神经网络及其在元音识别中的应用.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、第卷第期控制与决策年月文章编号一种新型模糊粗神经网络及其在元音识别中的应用张东波王耀南湖南大学电气与信息工程学院长沙湘潭大学信息工程学院湖南湘潭摘要为度量模糊粗不确定性信息引入了模糊粗隶属函数基于模糊粗糙集理论构建了一种新型的模糊粗神经网络该网络融合了模糊信息和粗糙信息的处理能力对个元音字母的语音识别进行测试结果显示网络不仅训练速度快而且分类性能优于网络网络和贝叶斯分类器关键词模糊粗糙集模糊粗隶属函数模糊粗神经网络元音识别中图分类号文献标识码引言界限不清晰相互交叠的集合粗糙集处理的是在模糊集理论可用于处理人类思维过程中广泛现有知识下内涵不明确粗糙而界限清晰的集合存在

2、的没有明确界限的模糊概念和模糊信息在模它们分别是对不确定性环境中两种不同的不确定性糊集合理论中论域中的元素和模糊集合的关系不的描述能用绝对属于或绝对不属于来描述而只能用介于在分类问题中不可分辨关系将输入模式空间之间的隶属度来表示具有模糊不确定性粗糙分为若干等价类通过这些等价类来描述给定的输集是处理分类知识中存在的不确定性的一种数学理出类当缺少必要的特征属性而不能进行精确描述论时便会产生粗糙性表现在输入特征空间内存在难其中基于不可分辨关系对论域的划分所形成的等价类是构建知识库的基本模块概念模糊集以区分的混合样本区在现实情况中两个输入模式和粗糙集提供了对不确定环境的描述

3、和建模但二不可能完全相同而是具有一定的相似性这时不可者具有明显的区别模糊集所处理的是内涵明确而分辨关系划分采用的是一种相似关系划分相应的收稿日期修回日期基金项目国家自然科学基金项目高等学校博士点基金项目湖南省教育厅科研基金项目作者简介张东波男湖南邵阳人讲师博士生从事粗糙集神经网络等研究王耀南男昆明人教授博士生导师从事人工智能智能控制等研究控制与决策第卷等价类变成了模糊聚类类为正规模糊模糊性和粗糙性的并存导致人们对模糊集和集每个都对应一个模糊语义变量输出类集粗糙集理论集成的研究等的上下近似集也是模糊集其隶等对此作了深入研究属函数定义为吴伟志等若不可分辨关系为等价关系而

4、输出类是模糊集则可用粗糙模糊集来分析若不可分辨关系为模糊相似关系输出类也是模糊集则可用模糊粗糙集来分析粗糙模糊集和模糊粗糙集比单纯的模糊集和粗糙集对复杂环境具有更强的信息处理能力已在图二元体称为模糊粗糙集模式关于的模像处理网上搜索智能体模式识别近邻糊粗不确定性可通过模糊粗隶属函数表示为分类等领域得到有效的应用股市分析基本理论粗糙集否则假设论域是非空集合是上的等价关系其中则根据可将划分为一些基本的互不相交的等价为相应的粗模糊类集合其中包含元素的等价类用表隶属函数是的聚类数目示任意的集合都可用上下近似集模糊粗隶属函数融合了模糊性和粗糙性的不确定性度量是模糊隶属函数和粗隶

5、属函数的推广表示为基于模糊粗隶属函数的神经网络在模式分类问题中模糊性和粗糙性的不确定性信息往往是并存的而模糊粗糙集理论中的模糊粗隶属函数是对模糊粗不确定信息的一种综合度称为集合的边界域量能较好的实现这两种不确定性信息的融合处若即则集合是粗理本文基于模糊粗隶属函数构建了一种模糊粗糙集粗糙集可用粗隶属函数定义为神经网络如图所示其中表示求集合的势值如果为普通集合则为所包含的元素个数粗隶属函数可衡量根据和可能被划分到的确定性程度粗糙模糊集假设集合是论域上的模糊集合是等价关系则二元体可变成粗糙模糊集上下近似集和也成为上的模糊图模糊粗神经网络结构集相应的隶属函数定义为网络结构网

6、络共为层输入层神经元数取决于输入模式的特征数模糊聚类层神经元数取决于输输入模式关于输出模糊集的粗模糊隶属入特征空间的聚类数模糊聚类可采用监督式或非函数定义为监督式的模糊聚类算法来实现模糊粗隶属层神经元数由输出类别数确定输出层神经元数由输出类别数确定如果是界限清晰的普通集合则粗模糊隶属函数假设以和表示第层第个神经元的输可简化为粗隶属函数入和输出则各层输入输出映射关系如下模糊粗糙集第层如果对论域进行划分的关系是模糊关系则对的划分是一种模糊弱划分形成模糊聚第期张东波等一种新型模糊粗神经网络及其在元音识别中的应用其中是输入模式的第个特征为输入空间维数其中表示期望输出是实际输

7、出为输出类第层别数则有令其中和分别为聚类中心和方差为模式属于聚类的隶属度即为聚类数则有沿梯度下降方向的调整第层算法为其中是第层第个神经元到第层第个神经元间的权值为输出类别数本层输出激励函数其中和分别为第次和第为正切型函数有次迭代时的权值为学习速率用于元音识别的性能测试本文通过对元音字母的语音识别测试所构建的神经网络的性能为避免数据第层来源过于单一从个不同人的讲话中提取出这些元音字母的语音数据通过线性预测分析提取个其中是第层第个神经元到第层第个神经最主要的频率成分作为样本的特征属性元间的权值为输出类别数本层输出激励函数图绘出了类样本在平面的分布情况从获得的有限样本