基于粗糙集的交叉覆盖神经网络研究  

A Study on Alternative Covering Neural Networks Based on Rough Set

作　　者：杨涛[1] 李龙澍[1] 

机构地区：[1]安徽大学智能计算与信号处理教育部重点实验室,安徽合肥230039

出　　处：《微机发展》2005年第6期22-24,共3页Microcomputer Development

基　　金：国家自然科学基金资助项目(60273043)

摘　　要：在探讨交叉覆盖神经网络的基础上,提出了一种基于粗糙集理论和交叉覆盖神经网络的集成算法。首先应用粗糙集对原始数据进行约简处理,在保证信息完整性的同时,减少了数据的维数,然后使用交叉覆盖算法设计多层前向网络。通过使用粗糙集进行数据约简,减少了交叉覆盖算法的计算量,降低了网络计算的复杂性。实验结果证明了此集成方法的有效性。<Abstrcat>This paper brings out an algorithm that integrates the rough set theory with alternative covering neural networks.Firstly,the original data is reduced by rough set method.The dimension of data is reduced while assure the integrality of information.Then a multi-layer neural network is designed by an approach called alternative covering algorithm.The computation of alternative covering algorithm and the complexity of network are reduced by this method.The results are given to illustrate the effectiveness of the new method.

关 键 词：粗糙集 交叉覆盖算法 构造性算法 数据约简 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]