一类基于模糊聚类和模糊推理的稳健分类器

稳健算法为工程和科学应用所必需,本文揭示了由Setnes和Babuska提出的FRC算法的不稳健性,并提出了一种稳健非线性分类器(MFRC)。它将模糊聚类与模糊推理的优势相结合,并且对每一聚类中的模糊关系由属于这个聚类的所有局部关系加权平均得到,从而降低了少数规则的破坏影响。本文将MFRC算法与FRC算法在有编号错误和无编号错误的情况下分别与原型由LVQ、GLVQ-F算法产生的1-NMP算法比较,分类结果显示MFRC算法具有强稳健性和识别率高的特点。