以类神经网路与模糊理论为基础之目标识别系统

摘要

该文以网路化的模糊聚类均值（ｆｕｚｚｙ ｃｌｕｓｔｅｒｉｎｇ ｍｅａｎ，ＦＣＭ）分类器，与重心分类器的网路架构相结合，它结合了模糊理论与类神经网路的特性，利用类神经网路架构，完成ＦＣＭ演算法之目标函数的运算，到利用倒传学习演算法使目标函数最佳化，并求出正确的分类结果。由实验结果得知ＦＣＭ具有大量、平行、分散的计算能力，可使执行时间缩短；不需要占用大量的记忆空间储存关系矩孟的值，免除ＦＣＭ演算法处理理大量资料时所产生的困难。ＦＣＭ分类器的网路架构可与重心分类网路相结合，使得重心分类器的混合模式学习算法，在网路化实现上成为可行。