用hcm聚类和遗传算法实现多级模糊神经网络

模糊集理论适用于一些实验数据中不确定性和模糊性的建模问题，而模糊推理系统拥有模糊if-then格式的结构化知识表示，但缺少适应性。神经网络本身具有对外部很强的适应性和从过去数据中学习的机制，但基于线性推理的模糊神经网络(fnn)模型作为模糊推理方法不能得到存在于参数间的最终关系，也不能影响接着发生的模糊集合。因此，我们提出了一个多级模糊神经网络(multi-fnn)，使用硬c均值聚类和进化模糊颗粒，利用处理为近似推理的一个线性推理，获得信息微粒和模糊集之间的关系。