模糊数据流的进化粒度神经网络分类算法

模糊数据流的分类问题大多从模糊数据流中提取典型的特征来进行分类,没有考虑到概念漂移及非平衡问题。基于此,从模糊粒度神经元入手,构建了进化粒度神经网络的多层次拓扑结构。采用了模糊神经元的信息聚集规则,提出了进化粒度神经网络的模糊编码方法与快速进化原理。运用梯形隶属函数对进化粒度神经元的聚集和模糊推理功能进行递归,通过关联函数和核函数来评估奇异逼近与粒度的近似结果,并以进化迭代和半监督分类方法解决了模糊数据流中的概念漂移及非平衡问题,从而实现了对模糊数据流的有效分类,仿真结果也证明了该方法的有效性。