导读:本文包含了神经模糊分类器论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,模糊,遥感,多维,最小,均值,精馏。
神经模糊分类器论文文献综述
龚彦,丁黎明,陈启莲,罗乙友[1]（2018）在《基于模糊神经网络分类器的医疗大数据研究》一文中研究指出本文针对医疗大数据,使用模糊神经网络分类器进行数据分析处理。人工神经网络能够训练大规模的数据,而模糊系统可以对不确定的信息进行高效的分类处理。结合两者的优点,根据医疗数据对医生的临床诊断,提供最优的治疗方案。通过仿真实验对数据进行分类处理,证明该方法得到良好的实验结果。(本文来源于《山西电子技术》期刊2018年04期）
刘淑英[2]（2013）在《混合神经模糊分类器的实现》一文中研究指出人工神经网络与模糊系统是计算智能的核心内容,二者的混合系统是近年来的一个研究热点。分类是数据分析中的研究重点,随着数据的复杂化和多样化,对分类的要求越来越高,有时仅凭经验和专业知识难以确切地进行分类,因此研究如何运用神经模糊分类算法进行数据分析具有重要意义与实用价值。鉴于其强大的数据分析功能,研究中采用模糊C均值聚类算法和Gath-Geva聚类算法对数据进行分类,并对测试数据进行仿真试验,其测试结果良好。(本文来源于《计算机技术与发展》期刊2013年12期）
谷玉凯,杨滁光,王华强,王健波[3]（2012）在《基于模糊神经网络分类器的精馏塔温度控制器设计》一文中研究指出文章对精馏塔温度控制中所遇到的参数耦合严重、非线性高、数学模型难以建立的问题,提出了一个基于模糊神经网络分类器的控制方案,以精馏塔温度、流量、液位作为输入,导热油阀门开度作为输出,通过对人工操作的自适应学习和模糊化处理,实现对精馏塔温度的智能控制。实验结果表明,该方案能够模仿人工操作,智能学习的精度很高。(本文来源于《合肥工业大学学报(自然科学版)》期刊2012年01期）
杨丽丽,白艳萍,张洪成,李烁[4]（2011）在《基于Sugeno模糊积分神经网络分类器融合方法在手写数字识别中的应用》一文中研究指出神经网络是模式识别中一种常见的分类器。针对同一个分类问题,构建多个分类器并把多个分类器进行融合可以提高分类系统的分类正确率、改善系统的稳健性。首先介绍了Sugeno模糊积分及Sugeno模糊积分神经网络分类器融合方法的一般原理,而后将其应用于手写数字识别,通过实际的案例验证了该融合方法的有效性和可行性。(本文来源于《工业控制计算机》期刊2011年03期）
冯恒栋[5]（2009）在《基于人工神经网络和模糊分类的森林植被遥感图像分类研究》一文中研究指出森林是全球生态系统的重要组成部分,在国家经济建设和可持续发展中具有不可替代的地位和作用。森林资源状况及其变化,不仅影响地区乃至全球环境的变化,而且还影响社会经济的持续发展。随着遥感技术的发展,森林植被遥感影像分类逐渐成为森林资源调查和监测不可缺少的内容。目前遥感分类技术在林区的应用还处于比较落后的状态。如何利用普遍可以得到的遥感数据资源和其他林业数据,研究出更适合于我国东北林区的遥感图像计算机分类的新方法,提高森林植被的分类精度,以满足林业部门的需要,是本研究的主要工作。本项研究在以往国内外相关研究的基础上,以我国东北东部典型林区为试验区,以2007年7月Landat5卫星TM多光谱图像为遥感数据,运用BP神经网络和模糊C均值聚类两种新方法对遥感图像进行分类试验,根据分类精度比较两种方法的优劣,并与传统的遥感图像分类方法相比较,对这两种方法在我国东北东部林区的适用性进行评价,取得一些有价值的经验和结论。通过分析分类结果,得到如下结论:(1)传统的非监督分类和监督分类方法对东北林区TM遥感图像的分类精度较低。在几种分类方法中,非监督分类结果和监督分类结果Kappa系数均处于较低的水平。(2)BP神经网络分类方法与传统的非监督分类和监督分类方法相比优势明显。无论是总分类精度,还是总Kappa系数,BP神经网络分类方法都优于传统的分类方法。其中BP神经网络分类结果图像Kappa系数比非监督分类方法提高了0.32,比监督分类方法提高了0.15。通过比较不同分类方法的不同植被类型条件Kappa系数发现,利用BP神经网络分类方法同样可以使森林植被不同植被类型的分类精度得到大幅度提高。(3)与传统的分类方法相比,神经网络方法可以方便地加入地理辅助数据(如高程信息)进行分类。这样可以充分利用地理信息系统提供的丰富的地理辅助数据,来改善遥感数据的分类精度。(4)本文将基于模糊集理论的模糊C均值聚类方法引入了森林植被遥感图像分类中,尽管分类结果没有达到预期的目的,但模糊C均值分类方法仍然比传统的监督分类和非监督分类有着更好的分类精度。(5)本研究重点比较了BP神经网络分类方法和模糊C均值分类方法在森林植被遥感图像分类中的分类效果,发现BP神经网络分类方法总精度和Kappa系数均高于比模糊C均值分类方法,表明BP神经网络分类方法在森林植被遥感图像分类中具有更大的优势,BP神经网络分类方法比模糊C均值分类更适于森林植被遥感图像分类。(本文来源于《东北师范大学》期刊2009-05-01）
胡静,高隽,杨静[6]（2008）在《模糊神经网络分类器的主动学习方法》一文中研究指出针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性阈值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少.实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短.(本文来源于《中国科学技术大学学报》期刊2008年03期）
孙云山,李艳琴,张立毅[7]（2008）在《模糊神经网络分类器在盲均衡算法中的应用》一文中研究指出提出一种基于模糊神经网络分类器的盲均衡算法,将盲信道估计与模糊神经网络分类器相结合,先对通信信道进行盲估计,然后利用卷积原理重建信号,用模糊神经网络替代原有的判决器,从而实现了盲均衡。通过仿真实验证明,该算法加快了收敛速度,减小了剩余误差,降低了误码率。(本文来源于《计算机工程与应用》期刊2008年07期）
胡静,杨静,高隽[8]（2007）在《未标识样本分类的模糊神经网络分类器OFMM》一文中研究指出为了解决未标识样本的分类问题,提出一种基于多维度收缩的、新的排序-模糊神经网络分类器模型OFMM.该模型首先利用多维度收缩法对输入的所有样本进行排序,然后获得样本间的相似性测度值.并利用该相似性测度值指导随后的分类器超盒扩张与压缩过程,从而使得该模型不仅提高对未标识样本进行有效分类的性能,而且无论是在网络结构方面,还是在训练时间方面都有所改进.有关标准数据集的实验结果表明,该模型明显优于传统的通用模糊神经网络,是一种较实用且有效的分类器.(本文来源于《模式识别与人工智能》期刊2007年02期）
肖丽,刘光远,方永慧[9]（2007）在《基于禁忌搜索的模糊神经网络分类器设计》一文中研究指出提出了一种基于禁忌搜索的模糊神经网络分类器设计算法．该方法首先从训练样本中自动获取分类规则,构成模糊神经网络的初始网络结构,然后采用基于禁忌搜索和梯度下降法的混合算法同时优化模糊神经网络的结构和参数．使用IRIS数据集对所提出的方法进行性能测试,结果表明该方法能使用较少的分类规则获得很好的分类效果．(本文来源于《西南大学学报(自然科学版)》期刊2007年01期）
高林[10]（2006）在《基于RBF神经网络的模糊推理分类器及其在软测量中的应用》一文中研究指出神经网络以其良好的自组织、自学习、自适应和并行处理能力,已经被广泛应用于各种领域的信息处理和智能控制中。随着模糊理论的诞生和发展,神经网络理论和模糊理论结合用来解决实际问题的工作受到了广泛的关注。本文基于神经网络理论和模糊理论,应用神经网络和模糊推理机制,提出了一种新的判别分析方法——基于RBF神经网络的模糊推理分类器,通过对IRIS数据和催化重整再生器氧含量的软测量过程的应用表明,本分类器误判率低、识别迅速,具有良好的应用效果。(本文来源于《2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）》期刊2006-12-01）
神经模糊分类器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人工神经网络与模糊系统是计算智能的核心内容,二者的混合系统是近年来的一个研究热点。分类是数据分析中的研究重点,随着数据的复杂化和多样化,对分类的要求越来越高,有时仅凭经验和专业知识难以确切地进行分类,因此研究如何运用神经模糊分类算法进行数据分析具有重要意义与实用价值。鉴于其强大的数据分析功能,研究中采用模糊C均值聚类算法和Gath-Geva聚类算法对数据进行分类,并对测试数据进行仿真试验,其测试结果良好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经模糊分类器论文参考文献
[1].龚彦,丁黎明,陈启莲,罗乙友.基于模糊神经网络分类器的医疗大数据研究[J].山西电子技术.2018
[2].刘淑英.混合神经模糊分类器的实现[J].计算机技术与发展.2013
[3].谷玉凯,杨滁光,王华强,王健波.基于模糊神经网络分类器的精馏塔温度控制器设计[J].合肥工业大学学报(自然科学版).2012
[4].杨丽丽,白艳萍,张洪成,李烁.基于Sugeno模糊积分神经网络分类器融合方法在手写数字识别中的应用[J].工业控制计算机.2011
[5].冯恒栋.基于人工神经网络和模糊分类的森林植被遥感图像分类研究[D].东北师范大学.2009
[6].胡静,高隽,杨静.模糊神经网络分类器的主动学习方法[J].中国科学技术大学学报.2008
[7].孙云山,李艳琴,张立毅.模糊神经网络分类器在盲均衡算法中的应用[J].计算机工程与应用.2008
[8].胡静,杨静,高隽.未标识样本分类的模糊神经网络分类器OFMM[J].模式识别与人工智能.2007
[9].肖丽,刘光远,方永慧.基于禁忌搜索的模糊神经网络分类器设计[J].西南大学学报(自然科学版).2007
[10].高林.基于RBF神经网络的模糊推理分类器及其在软测量中的应用[C].2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）.2006
论文知识图
