基于模糊算法的判决神经网络

在判决神经网络（ＤＢＮＮ）的基础上提出了一种基于模糊算法的模糊判决神经网络（ＦＤＢＮＮ）．在网络训练中引入置信度和容噪度的概念，提高了网络分类的稳定性，同时克服了（ＤＢＮＮ）在训练样本混有噪声时学习困难和泛化能力不高的缺点．因ＦＤＢＮＮ在学习时的不均匀性，大大加快了网络训练的时间，提高了训练的效率．实验结果表明，ＦＤＢＮＮ的性能高于ＢＰ网，而且也比ＤＢＮＮ在稳定性和识别率上有了显著的提高．

一种基于判决神经网络的彩色图像分色算法

本文研究一种新的彩色图像分色算法。该算法采用判决神经网络(Decision-Based Neural Net work),将感知机学习规则和分层非线性网络结构相结合,通过有监督的学习来调整和训练权重,获得最佳的分色判决函数。该算法分色效果理想,能够确保原图像的细节及边缘部分不失真或失真很小,并具有较好的抗噪能力。