%0 Journal Article
%T 未标识样本分类的模糊神经网络分类器OFMM*
%A 胡静
%A 杨静
%A 高隽
%J 模式识别与人工智能
%P 173-179
%D 2007
%X 为了解决未标识样本的分类问题，提出一种基于多维度收缩的、新的排序模糊神经网络分类器模型OFMM.该模型首先利用多维度收缩法对输入的所有样本进行排序，然后获得样本间的相似性测度值.并利用该相似性测度值指导随后的分类器超盒扩张与压缩过程，从而使得该模型不仅提高对未标识样本进行有效分类的性能，而且无论是在网络结构方面，还是在训练时间方面都有所改进.有关标准数据集的实验结果表明，该模型明显优于传统的通用模糊神经网络，是一种较实用且有效的分类器.
%K 分类器
%K 多维度收缩(MDS)
%K 模糊最大最小神经网络(FMMN)
%K 相似性测度
%K 未标识样本
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10476.shtml