李雪非，顾志华，冯慧敏

模糊积分分类器中的自适应模糊测度

李雪非1，顾志华1，冯慧敏2

（1．河北农业大学 理学院，河北 保定 071001；2．河北大学 数学与计算机学院，河北 保定 071002）

与其他分类器相比较，模糊积分分类器具有可以表示特征属性间交互作用的特性．确定合适的模糊测度是其关键因素之一．模糊测度的确定方法主要有2种：专家给定和从历史数据学习获得．由于模糊测度自身的复杂性，模糊测度主要是从数据中学习得到．为了能够更好地利用特征属性在样例空间体现出的局部特征，提出了一种用人工神经网络实现自适应模糊测度的方法．使得模糊测度可以随着输入样例的不同而变化，及时反映出在对样例进行分类过程中各特征属性的重要性和属性间的交互作用的不同，从而提高分类性能．实验证明该方法有效，可行．

模糊积分；模糊测度；分类器；交互作用；人工神经网络

MSC 2010：28E10

在20世纪的70年代Sugeno［1］打破传统测度的可加性以及积分的线性性质，提出了模糊测度和模糊积分——Sugeno积分，模糊测度具有不可加性，同时模糊积分也变成了非线性的．后来Murofushi和Sugeno［2］又提出了一种模糊积分——Choquet积分，Choquet积分是勒贝格积分的直接推广，当模糊测度具有可加性时，Choquet积分完全退化为勒贝格积分，并且不断有新的模糊积分出现［3］．因为具有不可加性，模糊测度适合于描述在分类过程中特征属性间的交互作用，使得模糊积分分类器在存在交互作用的分类问题中具体有……