模糊神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用.pdf

1、隨著計算機(jī)科學(xué)技術(shù)的飛速發(fā)展，人工智能在目標(biāo)識別領(lǐng)域的應(yīng)用顯現(xiàn)出強(qiáng)大的生命力。模糊神經(jīng)網(wǎng)絡(luò)作為人工智能的分支，具備模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)，具有表達(dá)和處理確定信息以及模糊信息的能力、良好的學(xué)習(xí)能力等特點(diǎn)。因此模糊神經(jīng)網(wǎng)絡(luò)在目標(biāo)識別中有著廣泛的應(yīng)用。
　　本文首先介紹了模糊邏輯理論及模糊神經(jīng)網(wǎng)絡(luò)理論，并基于Takagi-Sugeno（T-S）模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，對聲音特征信號數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，在針對其誤識別數(shù)據(jù)進(jìn)行研究時發(fā)現(xiàn)，存在一組

2、模糊度較高的數(shù)據(jù)，其特點(diǎn)為類間距離接近。因此，本文提出了一種普遍適用的改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，對學(xué)習(xí)率和參數(shù)更新進(jìn)行了改進(jìn)，達(dá)到了對類間距離接近數(shù)據(jù)的準(zhǔn)確識別。分別采用聲音特征數(shù)據(jù)和腫瘤細(xì)胞數(shù)據(jù)對改進(jìn)算法進(jìn)行了驗(yàn)證，在與原始算法的比較中，識別率提高了近百分之十。
　　其次，對原始模糊神經(jīng)網(wǎng)絡(luò)模型中輸出的非模糊化進(jìn)行分析，并對類間距離接近數(shù)據(jù)進(jìn)行進(jìn)一步的研究，提出將輸出結(jié)果用模糊化表示的方法，并在此基礎(chǔ)上建立一種新型的模糊神經(jīng)網(wǎng)

3、絡(luò)模型--多模糊輸入多模糊輸出（MFIMFO）模型。在與原始網(wǎng)絡(luò)模型的對比中，識別率都有顯著提高，尤其對聲音信號特征，平均識別率從原始網(wǎng)絡(luò)的百分之七十多提高到新型網(wǎng)絡(luò)的百分之九十左右。
　　最后，在模糊神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用中，對MSTAR中SAR圖像目標(biāo)識別，采用不變矩、灰度和紋理的特征向量進(jìn)行分類識別，普通模糊神經(jīng)網(wǎng)絡(luò)會因特征向量數(shù)據(jù)中存在類間距離接近的數(shù)據(jù)無法達(dá)到較好的識別效果。因此，基于新型模糊神經(jīng)網(wǎng)絡(luò)，構(gòu)建SAR圖像識別的網(wǎng)絡(luò)