一种基于变调整学习规则的模糊网页分类方法研究

摘要

当类别之间交叉现象比较严重时,网页分类方法的精度就会下降.为准确地分类网页,首先给出一种模糊网页分类的系统结构,通过用成员函数替代分类网络中的权值变量,来提供一种可融入人类关于网页分类知识的机制.然后给出一种通用学习规则,来学习成员函数中的参数.通过理论推导,用李雅普诺夫函数分析和验证通用参数学习规则的学习收敛性,揭示参数学习算法朝最小误差方向调整参数的内在因素.最后在单参数学习算法收敛性的分析基础上,提出一种变调整规则的单参数学习算法,加快参数学习速度.从学习收敛性的理论论证和实验结果来看,这种网页分类方法是一种有效的分类方法.