【文件属性】：
文件名称：RS与FNN集成在焊接缺陷识别中应用 (2009年)
文件大小：223KB
文件格式：PDF
更新时间：2021-05-28 14:32:00
自然科学 论文
针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重，以及现有的识别算法准确率低的问题，提出了一种粗糙集（RS）模糊神经网络（FNN）集成的缺陷识别算法。首先使用模糊C值聚类算法对样本属性离散化，然后使用RS散化后的样本数据进行属性约筒锝到决策规则，并用函数根据聚类的中心和半径对属性进行模糊化，克服RS噪声敏感问题；根据得到的精简模糊决策规则和模糊逻辑推理确定FNN的结构，使用依赖度和规则的条件覆盖度确定网络的初始参数，考虑到样本中数据的可信度问题，用加权代价函数调整模型参数。仿真实验表明，本算法解决了分类