基于FEBM和模糊神经网络的模糊概念识别

在基于解释的机器学习问题上 ,近期提出的模糊模型FEBM(FuzzyExplanation -BasedModel)为模糊概念的识别和分类提供了一种很好的解决手段。在对该模型当对象的解释谓词在 [0 ,1]上取确值的情况时 ,计算“对象属于概念C的真值”的公式进行适当调整的基础上 ,结合神经网络可以用于模式识别和分类的特点 ,提出了一种基于模糊神经网络和FEBM的模糊概念识别方法。实验表明 ,该方法是有效的和可行的 ,是关于该模型应用的一个极为有意义的尝试。

知识概念的模糊模型及模糊目标的识别

作为ＥＢＬ（ＥｘｐｌａｎａｔｉｏｎＢａｓｅｄＬｅａｒｎｉｎｇ）的发展，从概念的自然形成过程出发，提出了一种新的概念模型ＦＥＢＭ（ＦｕｚｚｙＥｘｐｌａｎａｔｉｏｎＢａｓｅｄＭｏｄｅｌ）：当概念的解释谓词集为模糊集以及解释谓词取模糊逻辑值时，给出求概念真值的表达式；为了解决模糊概念的识别问题，引入了概念的模糊解释树ＦＥＴ．接着给出了对象的模糊识别算法ＦＥＢＬ．最后讨论了ＦＥＢＭ与ＦＥＢＬ的可操作性．