[發(fā)明專利]基于模糊復(fù)集值積分的多神經(jīng)網(wǎng)絡(luò)分類器融合方法及裝置

在審

• 申請?zhí)枺?/td>: 201811555761.8
• 申請日: 2018-12-19
• 公開（公告）號: CN109376803A
• 公開（公告）日: 2019-02-22
• 發(fā)明（設(shè)計）人: 馬生全;馬晶;鄭錦霞
• 申請（專利權(quán)）人: 佛山科學(xué)技術(shù)學(xué)院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 謝泳祥

1.基于模糊復(fù)集值積分的多神經(jīng)網(wǎng)絡(luò)分類器融合方法，其特征在于，所述方法包括：

步驟1，計算樣例輸入信息的模糊復(fù)值測度；

步驟2，對每一神經(jīng)網(wǎng)絡(luò)計算模糊復(fù)值積分值；

步驟3，判斷神經(jīng)網(wǎng)絡(luò)分類器的類別；

步驟4，以模糊復(fù)集值積分作為融合算子對分類器進(jìn)行融合；

步驟5，計算海明貼近度；

步驟6，對數(shù)據(jù)流進(jìn)行分類并得到分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于模糊復(fù)集值積分的多神經(jīng)網(wǎng)絡(luò)分類器融合方法，其特征在于，在步驟1中，計算樣例輸入信息的模糊復(fù)值測度的方法為，

設(shè)是模糊復(fù)集值模糊測度空間，如果對于任意的均有其中λ＝Reλ+iImλ，Reλ,Imλ∈(-1,0)∪(0,+∞)，Reλ,Imλ分別為λ的實部與虛部，稱模糊復(fù)集值模糊測度為λ-模糊復(fù)集值模糊測度，用g_λ表示一個λ-模糊復(fù)集值模糊測度，λ為模糊復(fù)集值模糊測度，設(shè)X＝{x₁,x₂,…,x_n}是一個有限集合，X→[0,1]×[0,1]是一個復(fù)函數(shù)，且有即復(fù)數(shù)值，且a₁≥a₂≥...≥a_n，是一個g_λ模糊復(fù)集值模糊測度,模糊復(fù)集值模糊測度的實部與虛部滿足

的值由下式計算：

其中A_j＝{x₁,x₂,…,x_j}，

Reλ與Imλ由以下等式給出，

上式Reλ與Imλ存在性和唯一性由下列式子保證：

對固定的實數(shù)集{g^j},1<j≤m，存在唯一的實數(shù)λ∈(-1,+∞),λ≠0，滿足

其中代表屬于第j類的輸出樣本由子分類器判斷為第k類，代表不屬于第j類的輸出樣本由子分類器判斷為第k類，當(dāng)使用模糊復(fù)集值模糊測度計算模糊復(fù)集值積分時，第j個密度值μ^l的實部Reμ^l為信息x_j的重要程度。

3.根據(jù)權(quán)利要求2所述的基于模糊復(fù)集值積分的多神經(jīng)網(wǎng)絡(luò)分類器融合方法，其特征在于，在步驟2中，對每一神經(jīng)網(wǎng)絡(luò)計算模糊復(fù)值積分值的方法為，

設(shè)是復(fù)模糊集值模糊測度空間，

定義在上關(guān)于的模糊復(fù)集值積分為：

其中

這里，F(xiàn)_λ,α,1^-＝{z|Ref_λ^-(z)≥α}，F(xiàn)_λ,α,1⁺＝{z|Ref_λ⁺(z)≥α},

F_λ,α,2^-＝{z|Imf_λ^-(z)≥α}F_λ,α,2⁺＝{z|Imf_λ⁺(z)≥α}，

此時稱在上關(guān)于復(fù)模糊集值復(fù)模糊可積，

設(shè)是模糊復(fù)集值模糊測度空間上的模糊復(fù)集值模糊可測函數(shù)，稱為在上關(guān)于的模糊復(fù)集值積分，其中：α∈[0,∞)，離散的情形為：當(dāng)X為有限集合，即X＝{x₁,x₂,...,x_n}，的實部和虛部都是正則的模糊測度時，復(fù)函數(shù)設(shè)模糊復(fù)集值積分為:

其中A_j＝{x₁,x₂,...,x_j}，A′_j＝{x_j,x_j+1,...,x_n}，

則模糊復(fù)集值積分值的離散型計算公式為：

其中A_j＝{x₁,x₂,…,x_j}，A′_j＝{x_j,x_j+1,…,x_n}。