[发明专利]基于神经模糊网络的特征选择方法

摘要

本发明提供了一种基于神经模糊网络的特征选择方法，包括：第一步骤：基于χ训练神经模糊网络，调整模糊隶属度函数的参数以得到隶属度函数集：，其中表示特征f_i的第m_j个隶属度函数；第二步骤：计算输入为x_q时神经模糊网络的输出o_q；第三步骤：修改神经模糊网络，使得模糊映射层将x_q映射为其中使得f_i的所有隶属度函数值恒为0.5，此时神经模糊网络的输出为第四步骤：计算特征f_i的度量值FQJ_i第五步骤：将特征度量值FQJ_i按降序排序。

主权项

一种基于神经模糊网络的特征选择方法，其特征在于包括：第一步骤：基于χ训练神经模糊网络，调整模糊隶属度函数的参数以得到隶属度函数集：$\mathrm{\μ}=\{{\mathrm{\μ}}_{11},...{\mathrm{\μ}}_{1m_1},......,{\mathrm{\μ}}_{i1},...{\mathrm{\μ}}_{{\mathrm{im}}_j},......,{\mathrm{\μ}}_{R1},...,{\mathrm{\μ}}_{{\mathrm{Rm}}_R}\},$其中表示特征f_i的第m_j个隶属度函数；第二步骤：计算输入为x_q时神经模糊网络的输出o_q；第三步骤：修改神经模糊网络，使得模糊映射层将x_q映射为，其中使得f_i的所有隶属度函数值恒为0.5，此时神经模糊网络的输出为；第四步骤：计算特征f_i的度量值FQJ_i${\mathrm{FQJ}}_i=\frac{1}{Q}\underset{q=1}{\overset{Q}{\Σ}}{||o_q-q_q^{\left(i\right)}||}^2;$第五步骤：将特征度量值FQJ_i按降序排序。