基于模糊复集值积分的多神经网络分类器融合方法及装置

摘要

本公开提供基于模糊复集值积分的多神经网络分类器融合方法及装置，发明以复模糊集值积分作为融合算法而得新型分类器，即模糊复集值积分分类器,以大数据背景下的数据流分类问题，数据流的海量特性的增量式学习数据实时分类模型、数据流动态性变化的概念漂移检测数据流模型，能提高分类模型的抗概念漂移能力。本公开提供了基于模糊复集值积分的多神经网络分类器融合方法及装置，以模糊复值积分算法为工具，具体在下面几方面具有有益效果：算法收敛速度快；抗概念漂移能力强，可控制训练集大小，应用范围广。