一种结构自适应模糊聚类神经网络分类器的研究

摘要

本文通过一种新的相似度度量概念，综合模糊C－means网、自适应谐振理论（ART－1）及模糊自组织映射网（FCN）的诸多优势，提出了一种综合的结构自适应模糊聚类神经网络。该网络具有类内聚集性强，类间可分性好的特点。通过对声纳目标信号分类试验表明，本文提出的结构自适应模糊聚类网，对比于BP网，具有迭代次数少、识别率高等明显优点，是一种具有实际应用价值的分类器模型。