公开(公告)号：CN118673369A

公开(公告)日：2024-09-20

申请号：CN202411172719.3

申请日：2024-08-26

Applicant: 中国市政工程华北设计研究总院有限公司

Inventor： 张兴宇 ,  田美怡 ,  朱晓东 ,  孟维伟 ,  何佳 ,  黄玮

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/10 ,  G06N3/043 ,  G06N3/08

Abstract: 本发明提出了一种基于小样本数据的模糊超盒神经网络分类方法。该方法包括：首先对数据集进行归一化处理，将数据缩放到统一范围内；其次将归一化处理后的数据集划分为训练数据集和测试数据集；接着构造超盒，以训练数据集中每个类别样本的密度最大点为中心，并定义边长参数确定超盒尺寸，生成初始超盒模糊集；然后对初始超盒模糊集进行重叠检测和收缩两步操作以适当调整细化超盒，生成最终的超盒模糊集；最后根据测试数据集计算分类结果。与传统分类方法相比，该方法改进了超盒构造受输入顺序影响的问题，具有在线学习能力，无需对早期和新数据重新训练，并且可以在小样本条件下实现较好的分类性能。

公开(公告)号：CN118673369B

公开(公告)日：2024-12-06

申请号：CN202411172719.3

申请日：2024-08-26

Applicant: 中国市政工程华北设计研究总院有限公司

Inventor： 张兴宇 ,  田美怡 ,  朱晓东 ,  孟维伟 ,  何佳 ,  黄玮

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/10 ,  G06N3/043 ,  G06N3/08

Abstract: 本发明提出了一种基于小样本数据的模糊超盒神经网络分类方法。该方法包括：首先对数据集进行归一化处理，将数据缩放到统一范围内；其次将归一化处理后的数据集划分为训练数据集和测试数据集；接着构造超盒，以训练数据集中每个类别样本的密度最大点为中心，并定义边长参数确定超盒尺寸，生成初始超盒模糊集；然后对初始超盒模糊集进行重叠检测和收缩两步操作以适当调整细化超盒，生成最终的超盒模糊集；最后根据测试数据集计算分类结果。与传统分类方法相比，该方法改进了超盒构造受输入顺序影响的问题，具有在线学习能力，无需对早期和新数据重新训练，并且可以在小样本条件下实现较好的分类性能。