一种神经模糊系统在数据分类中的应用

第２８卷ｎ　ｌ　２８　第４期　№４　计算机工程　２００２年４月　Ａｐｒｉｌ　２００２　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　・』、工智能及识别技术・　文章编号：ｔ０００－－３４２８（２００２）０４一Ｉ１２２—　２　一文献标识码：　中图分娄号　ｒｐｚ７４．２　种神经模糊系统在数据分类中的应用　刘　剐，项涅伍　摘一Ｉ一海　范＾学数理信息学院汁算机系　ｌ　海２００２３４１　要：丹绍ｒ用１　史观楗制丹娄的ＮＥＦＣＩ　ＡＳＳ系统，它能从数据中莸啦丹娄趣则，得到　舰Ｗ４有良好的町解释性　￣ｉ：ｘＪ它的纳构　ｌ学－９尊　珐避打丁廿妍，；　皓ｒ它的　个鹰用实例　关键词．圳ｌ羟楼１槲系统　数槲分尝　模糊分类　ＮＥＦＣＬＡＳＳ　Ａｐｐｌｉｃａｔｉｏｎ　０ｆ　ａ　Ｎｅｕｒｏ—ｆｕｚｚｙＳｙｓｔｅｍ　ｉｎ　Ｄａｔａ　Ｃｌａｓｓｉｉｃａｔｉｏｎ　ｆ．ＬｌＵ　Ｇａｎｇ．ＸＩＡＮＧ　Ｓｈｉｗｕ　（Ｉ）ｅｐａ　ｒｔｍ　ｅｎｔ　ｏｆＣｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃ　ｅ，Ｓｈａｎｅｈａｌ　Ｎｏｒｍａｌ［Ｉｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２００２３４）　ｌ￣￣ｂｓｔｒａｒｔ】Ｉ＿ｈ　ｐａｐｅｒ　ｐｒｅｓｃｎｌｓ￣ＥＦＣＬＡＳＳ．ａ　ｌＩｒＵｒ０一ｆａｚｚｙ　ｓｙｓｔｅｍ　ｆａ　ｒ　ｔｈｃ　ｃｌａｓｓｉｉｆ　ｃａｔｉｏｎ　ｏｆ　ｄａｔａ　Ｔｈｅ　Ｂ１ｏｄｄ　ＣＩｔｌｌ　ｄｅｒｉ，ｅ　ｆｕⅢ　ｌａｓｓｉｉｆｃａｔｉｏｎ　ｒｉｉｌｅｓ　ｌｆ－３１１１１【Ｉａｌａ一：ｏｄ　ｔｉｒｌｅ　Ｉ　ａｌｅｓ　ｈａ　ｇ０Ｄｄ　ｉｎｔｅｒｐｒｅｔａｂｉｌｉｔｙ．Ｉｔ　ａｌｓｏ　ａｎａｌｙｓｃｓ　ｉｔｓ　ｓｔｒｕ　ｃｔｌｉＦｅ　ａｎｄ　ｌｅａｒｎｌａｇ　ａＩｇｏｌ　ｉｔｈｌｎ，ａｎｄ　ｓｔｕｄｙｉｃｓ　ａｉ１　ａｐｐｌｌ　ｃａｔｉＯｌｌ　ｅｘａｍｐｌｅ　ｏｌ　ｔｈｉｓ　ｓ￣ｓｔｅｍ　ｆＫｅ）“ｏｒｄｓｌ　Ｎｅｖｒｎ—ｌｉ￣ｚｚｙ　ｓｙｓｔｅｍ；Ｄａ　ｅｌｚｓｓｉｆｉｅａｔｌｏａ；Ｆｕ皿ｙ　ｃｌａｓｓｉｆｉｅａｔｉｏａ；ＮＥＦＣＬ＆ＳＳ　住橙糊系统ｎ　开照－　Ｉ　隶腾函数帕谓整和模糊推王Ｉｊ姚则　帕捷取魁‘个烦琐的过　。神经『词络舆　ｆ强大的学习能力，　把它和模糊系统十ｎ结肯，可　简化这‘过程，减少调整时问　个输九变量定义多少诳　Ｃ　摸糊子粜Ｊ，挑能麒　：旧的粒度　击观察数据，这样能有效　氐复杂问题的汁｛　成本　外还　”ｒ以￥￣１　Ｊ１１已有领域专家生ＩＩ　米铷！ｃｉ｝化系统，加快　封速度　和计赞　世　从ｌ　Ｊ使模捌系统　备自学习和口适应能　神经　下面举一个模糊分娄的例于：打这样的分类们题，要把数据　模糊系统址神经网络和模剁逻辑十Ｒ互有机结台的产物。按站　☆形式Ｉ　Ｊ夫致分为两类：一类足模糊神经网络．即将种经削　络模捌化，使其能处理模糊信息，加怏网络学习速度；另一　向量）　一Ｘ　）∈　’分成Ｉｎ个类Ｃ．，ｉ∈｛１，２一　ｍ｝　Ｇ是Ｒ“　帕一个子集，此洲题ｎ川卜‘个幽数表示：　Ｒ＿＋｛０，Ｉ　到中（ｘｊ　Ｉ：　一　Ｃ　）。当　＝Ｉ和（；：ｏ时Ｌｉ∈｛ｌ，２　＿ＩＩ｝＇ｌ≠ｉ、、圳　类是神经模糊推理系统．即ＪＨ神经ｌ碉络等价表示模捌系坑，　神野嘲络的框架　实现模糊推理　本文讨沧的神经模ｌ糊系　统　ｊ：Ｊ　类。　经楼糊系统最初生蛭为神经模糊控制而设　计，近年米１＿｛现ｒ　ｌ：数据分类巾的新应用。　ｘ属于娄Ｃ　如果问题的各个模式特￣ｌｆ！ｘ｜“ｆｑ．个语裔值戒币　”。。　、，规则库钉ｋ条规刚　，每条规ｊ１Ｉｕ形式为　１ｒｘ　［ｓｏ　ｌ　ａｎｄ　Ｘ　ｉｓｔｌ　．一．ａｎｄ　ｘ　ｉｓ　Ｌ【　Ｔｈｅｎ　Ｘ＝【ｘ…Ｘ一・　）属　于娄Ｃ　，ｃ　见这样曲模制系统可以实现分类。　；过山』：数学　关系，模糊系统不能近近　ｔ：帕两数，Ｉ『【『灶　ｌ数中：Ｒ　｛０　１ｒｏ，卅式（ｐ（Ⅺ　ｆ　ｃ×Ｊ　求转按。两数　丝列楼糊系统　输出的变换，采Ｈｊ赢者取ｔ］｛１：４＼ｘ．：ｉｎｎｃｒ—Ｔａｋｅ—Ａｌ１）方法敬定Ｃ是０　还是１　１数据分类　数船分类＿址数据分析领域中一个常见曲州题，１＝＿１标是从　数坩１Ｉ　泌分芟信息和知配。这些信息　莹¨识可咀用ｊ牝制定　挑策　许多实际问题都可以转化为分雀问题．所以它的应用　范…较广　已经存在多利－呵　的数栅分类方法，如统计方　法、机器　习、班策树、神经网络分类等　构盐一个模制系　垃也能解决此问题，这称为模捌分类　模糊系统能表达和处　ｐ　小　和不精确帕氍念，它通过｛；ｌ捌推理可以在所获得竹　模榭ｆ　息ｌ订攫Ｆ进行响教的翔断和泱筑，系统可解释为结构　化柚知识即一系列规则，ｊ￡推理过程和结果竿髓　被人理解，　ｊ　ＩＬ１＝＿ｊ＿林　蚶，ＬＬ经成为智能信息处理的渖　霞要方法。将　它川１　数｛ｉ｝　分类时，能Ｍ数捅　样本巾提取出有救的模糊分类　２神经模糊分类　模鞴　争类的Ｉｔ标足构造一个代表分类Ⅻ识的模制系统。　一个模制系统主要由规则库的结构和爹数决定．结构学习和　参数学习是系统设计外发曲两个可ｔ要步骤。结构学　要确定　规则形式羽Ｊ数目　参数学习要确定隶属函数的形状和位置。　利用种经瑚络的学习尊社　能　虹这・设汁过程自动化．即用神　经网络增强横糊系统建立一种种经模糊系统这种系统充当　了从数据１　ｒ获得模剁分类蜘识时Ｉ：具，学习结求后，出模糕　规则表示均分类器可单独Ｉｉ作。各　学者已　ｆ究了多种神经　模糊系统模型米实例这一任务。倒如ＮＥＩ　ＣＬＡＳＳ　ｉ．ＦｕＮＥ　Ｆｕｚｚｙ　ＲｕｌｅＮｅｔ等　ＬＩ、　抛则　规　映射ｒ输人输　变量关系　是一种知识表示。数　斟分娄的结果足产生规别库，这是一种可解释的模糊知识模　、它描迷了数据ｒｌＪ的内在关系　模糊分类虽然在分类绪粜　口　有以　几个特点　的Ｈ　确性Ｉ：迁不够理想，　日它有许多独特的优点。比如分类　知Ｉ｝｛的可解释性，楼捌［ｉＺＴｈｃｎ规！ｌ【ｌＪ容易袱人理解车¨使用　ｌ规　则帕　叮向　释性受　下几个　素影响如输入变量数，每个变　揖肿语寿ｆ『｜［数，Ｊ　一谱弃仙　能有多种隶属甬数表示，规则　数，１：仔　Ｉ：冲突昶『冗客的规则等　卫立¨模糊分类器易于实　现　阡发川Ｊ羽蜘　通过对输人空间的不同饪糊划分，　对每　ｌ　２２一一　神经杖糊系统是利刑种经阳结学爿针法对ＪＣ训练的模糊　系统一学ｊ』过程不是基　＝知烈而是数据驱曲　。艘Ｊ神经模糊系统可　作者简介：刘　ＲＩＪ（１９７７￣Ｉ　、倾Ｉ．：＿＝、￥１￣Ｊｆ智能化技术；　伍，教授　收耱Ｉｔ期２００Ｉ．１　０－２０　维普资讯 http://www.cqvip.com

看墟是　个特赇的多层前｛】ｊ｝神经网络　（３１神经模糊系统可以解释　为一系列模糊规则，并能用一些己知的经验知识韧始化系统。（４１在　种经模糊系统的学习中，应　考虑檀糊系统内在表达的语义。　３　ＮＥＦＣＬＡＳＳ　ＮＥ］　ＣＬＡＳＳ是在德国Ｂｒａｕｎｓｃｈｗｅｉｇ大学计算机系Ｎａｕｃｋ　教授提Ｈ｛的模糊感知器　（Ｆｕｚｚｙ　Ｐｃｒｃｅｐｔｒｏｎ）模型基础上演变　而米的　图１是它的。个例子，它Ｊ＿Ｉ＝『５条语言规则把具有２个　挂式特征的数槲分成２＿燮。系统为３层前馈网络，第一层（输　入层）的节点ｘ代表输入即模＇【Ｉ＝Ｎ－Ｋｘ　；第二层（规则层）　的　点Ｒ代表模糊规则；第三层（输出层）的节点Ｃ代表输　出，即某个类ｃ．　各层节点输出分别为０　Ｕｒ。输人层和　规则层之问连接权值是模糊集合Ｗ（ｘ．Ｒ），即图Ｉ中ｕ．　。等，对　应输入变量１　『一Ｊ的语　卣。规则层与输出层之间的连接权值　Ｗ（Ｒ．ｃ悃定为１　每个规用４层节点仅连向一个唯一的输出层　节点，说ｌ埘它属于哪一ｌ燮。对于一个给定的输＾数据Ｐ，输　九层节点ｘ对输入不做任何变换印节点输出Ｏ，不变，规则层　节点Ｒ的输入为数据对语言值旧隶属度，。　点输出Ｏ　＝Ｍｉｎ　ｆＷ（ｘ　＋Ｏ　｝，取最小值．它计算模糊规则前提的适用度。输　出层节点输出　＝Ｍａｘｆ　Ｏ　｝，取最大值　它计算模糊规则结　绝，阿络的特殊之处是共享杖值，图　椭圆表示如　，　等。缸一个语言值只有一‘个对应，内隶属函数，在各条规　则巾保持一致，这保证隐含枉阿络结构ｌｆ『的模糊规则具有良　好　；义。嗣络实现娄似Ｍａｒｎｄｍｔｉ型旧极大极３￣Ｍａｘ—Ｍｉｎ模糊　推理　倒如有规则　：Ｉｒｘｌ＝ｌＩｌ¨‘ａｔ＇Ｊｄ　Ｘ　２＝ｕ］　。Ｔｈｅｔ＇Ｊ　Ｙ＝Ｃ。　圉１一十２输入５条规剐２分类输出的ＮＥＦＣＩ．ＡＳＳ　Ｎｔ＂．ＦＣ１　ＡＳＳ系统可　在对输人数据已有的部分知识基础　上通过学习建立，或者完仝从头开始探索。在学习过程开始　前，必须先对输入空旧做模糊划分，定义初婚的模糊集，并　确定规则最大数Ｅｊ，　规则层节点数，然后用规则学习算法　确定规则（模糊系统蛳结构学习），再用模糊集学习算法调　整隶属函数（模糊系统的参数学习）。隶属函数通常采用三　角形。最终的规则　为每个类建立一‘蘩或几条规则。下面介　皇（；这两个学习算嵇：　第一步，规则学习算浩：　考虑前面提到的分类问题，现存在训练数据集Ｌ　｛｛Ｐ－　Ｕ（　），－ｆ　、　）｝、ｐ∈　（∈ｌＯ、１）　共Ｓ个数据对，ｔｇ：－－应属的　类。构造ｋ条规刚的算法步骤如下：　ｆ】１从Ｌ中职一个数据样水对（ｎ　；（２）把ｐ的每一分量和各模糊　集　ｘ，Ｒ）匹配，讣别哉出求　程度最』（的ｒ１个模糊集，组成模糊规　则的前提，找到一荣胤则。ｔ３１若规则库原来ｊ玉没有卡日阿前提的规　则，　幺增加规则层＿廿点，井把它连接到对应的输出层类　点；（４）　若还有求处理的数据对，儿规则数少　ｋ，则继续（Ｉ）。否则结求　根据以下方式，决定嫌规则。　｛１谁　单方式保钾最前ｉｎｋ条规则，满ｋ条停』ｌ：学习　１２ｉ，最忧　规则方式把属于同一类的数据构成一组．再次处理遍Ｓ十抬　对，对于每十规刚节点，分别计算各个组对它的适应度（每个数拦　对的贡献景加），如果规则适应度最商对应的类和原　没定的类＿１、　同，则改变连接＝修改咧络后，再披处理ｓ４－数据对，对于每十衄　则节点计算～　Ｅ０　。”ｅｏ｛当　＝１时数据ｐ桩正确分类．ｃ＝０时０瑟　错谋。Ｊ即考察节点的分类正确率。把胀得最大　∞ｋ条规则倮　第二步，模糊集学习算法　采用监督的学习方式根据误差来不断地埘整模糊浆参　数，直到满足停止判据。具体步骤如Ｆ：　（１）从Ｌ中取下一十数据对　ｐ　ｌ　），输入嘲络圩掉输　ｆｉＩ『　ｃ　（２ｌ｝卜算每十精出层节点的ｄｅｌｂ误差，６　．Ｏｃ；（３ｌ反向传播列埘　则层，计算每十规则层节点的ｄｅｌｔａ误差６　＝Ｑ．《１一　Ｊ　６¨＇，１４：披　出此规则前提中隶属度盛小的连接权值Ｗ（ｘ‘，Ｒ）（ｘ幔定ｒ前瑶的适　用度，因为采￣ｔＭｉｎ算子）．利用６　对此隶　函数参教ｉ卜别进　ｒ　正８　ｎ　６　Ｈ　ｆｃ—ａ）ｓｇｎ（　ｂ１，６　＝一ｑ　８　Ｈ　ｆｃ—ａ１　６、．５　］０　（ｃ－ａ）５　其中ａ，ｂ．ｃ是三角　隶属函数的参数，ｑ是学－＇ｄ达率：Ｉ　５－　若满足退代敬数和停止条件，则结束，否则转向Ｌ１）。　模糊集学习算法是一种简单的启发式学习，类似Ｊ　的算法．但由于节点采用模糊算子，这里不存在梯度ｆ　盥．　对参数的修正还可以定义约束，如模糊集之阿必须在０　５处　交叉，这样就在一定程度上保证了可解释性　停Ｉ　１槲通常　采用误差减小变化率。　４应用实侧　我们考￣ＮＥＦＣＬＡＳＳ在实际分类问题中的应用情况．对　典型的Ｉ　ｒｌｓｔ￣－集进行分析。数据集有ｌ　５０个样本，舟ｊ｝＝ｌＪ　３个不同的类Ｓｅｔｏｓａ　Ｖｅｒｓｉｃｏｌｏｕｒ　Ｖｉｒｇｉｎｉｃａ。数据有４个模』Ｉ＝　特征即有４个输入变量。数据集被平均分为两部分：　，址　练集；二是测试集。开始前，每个输入变量平均划分战３千　语言值ｓ　ｍ】，分别代表小、叫ｒ、大。这样就共存　８『种前　提组合　采用最优规则学习算法，限定ｋ＝７，学习到最优　则后进行参数学习　经过１２６步后误差变化很小，可以停　止。最后得到的分类器对训练集７５个样本中有３个分类　误，正确率为９６％，对测试集７５个样本中有２个分娄错嵌，　正确率为９’　３％，总体正确率为９６　６７％。分类规则知戒Ｉ，　最终得到白匀阿络结构为输入层４个节点，规则层７个节点，蠕　出层３个节血。　袁１　Ｉｒｉｓ数据集的模糊分类规则　Ｉｔ＂（１　ｓ　Ｉ　ｎ　Ｔｈｅｎ　Ｖｉｒｇｉｎｉｅａ　Ｉｆ“ｎ１　Ｉ　Ｉ、Ｔｈｅ１３　Ｖｉｒｍｎｉｃａ　Ｉｆ“ｎ、ｓ，ｌｎ　ｍ）Ｔｈｅｎ　Ｖｅｒｓｉｃｏｌ０ｕ　【ｆ　ｆｍ、ｓ　ｎｌ　ｓ１　Ｔｌ　ｌｌ　Ｖｅ￣ｔｃｏｌｏｕ　ｒ　由于分类知识是用规则表示的，因此ＮＥＦＣＬＡＳＳ很轻易　使用已有的经验知识，即规则，用这些规则先初婚化　ＮＥＦＣＬＡＳＳ然后再训练。经验知识的获取可以用模糊聚娄的　方＇法，通过投影方１法形成规则。也可以将第一次用　ＮＥＦＣＬＡＳＳ分析所得到的规则知识作为初始规刚库，重新对　数据再次分类，以求更好的结果。和其他神经模糊分类系统　ＦｕＮＥ　Ｆｕｚｚｙ　ＲｕｔｅＮｅｔ等相比，ＮＥＦＣＬＡＳＳ有更好的可解释　性，这体现在它的网络结构和学习算法中使用的约束。如采　（下转第１　５６页）　一】２３—　维普资讯 http://www.cqvip.com

用不同的．Ｘ分服务策略￣ＩＩＩＰＨＢ定义　设ＬＳＩ健接两个区分服　务域Ａ千¨Ｂ。出ｌ　Ｉ路由器需进行梳鼠调　以保证分组从Ａ进　入Ｂ后其ＤＳＣＰ值是Ｂ可戳接受的　而若Ａ、Ｂ使用相同的厦　特区分服务信息重新鳊码＾新的分暂ｌ头【Ｊｉ。　１，４对ＲｓｖＰ和ＬＤＰ的扩展　为了在ＭＰＬＳ刚络巾建　支持　分服务的１　ｓ　Ｍ１　ＬＳ的　标签分发｛办￣：：ＺＲＳＶＰ和ＬＤＰ￣｝进行扩胜。　分服务策略和ＰＨＢ定艾ｌ刖ｒ叮免除出口路ｆ｝『器的流量调节　２支持区分服务的ＭＰＬＳ流量工程　支持区分服务的ＭＰ［　Ｓ流　工程ｌｉ要解　的是在类捌的　级别上进行流量工程，缋定某‘类别的ｔｒａｆｆｉｃ　ｔｒｕｎｋ，可将其　映射至　合适的ｆ　卯　，同时允弹根　每个类别选择台适的故　障恢复机制。　相应地，划ＯＳＰＦ／ＩＳＩＳ．ＲＳＶＩｈ＇ＣＲ—１　ＤＰ基于约束的路　由，ＭＰＩ—Ｓ～ｌＩＢ以及Ｄｉｆｆ－Ｓｅｒｖ的调度等需作一些修改。　囤２管道模型应甩　为了减少厂播信息，可将类别聚台为类别类型（ｃｌａｓｓ一　ｐｅ），针对各类别类型　非各个类别广播疏｛　ｊ二程信息如最　大慢小带宽　需求等而各类别使用带宽的优先级町　『耐。　符道模型中分组携带的区分服务信息分为两类：Ｉ，ｓＰＩＸ　分服务信息和通道区分服务信息。ｌ　ｓＰ区分服务信息（如输　出ＰＨＢ｝封装在外层标签，＿ＪＩ由于以后出口路由器丢弃外层　标签，救ＬＳＰ区分服务信息只对ｑ＇ｌ＇ｔｆ７路由器有意义，离开出　７路由器后便不再有作用。不管中间节点是否修改了【１５Ｐ区　３结论　ＭＰＩ　ｓ为无连接的［ｎｔｃｍｏｔ提供了　向连接的特性，对流　分服务信息，在离开¨｜口路由器后便无任何影响　但该情息　需传递给出几路由器，出１７路由器基于它进行转发处理。通　道区分服务信息（如输入ＰＨＢ）封装在内层标签或ＩＰ头中，对　量工程的支持使其＿正为未来核心ｊ耐络的主导技术之一　ＭＰＩ，Ｓ和厦分服务具有很多相似性，通过ＤＳＣＰ至ＭＰＬＳ封装　层的映射以及针对娄　８的流量工程，ＭＰＩ　Ｓ　ＬＳＲ可以　时实　现区分服务的功能　这不仅为ＭＰＬＳＪＩＥ务质量保障提供　直　接的实现机制，而且可：ＩＳ，＊ＩＰＬＳ的优势集成到匣斗服务中。　参考文献　ｌ　Ｆａｕｃｈｅｕｒ　Ｆ　Ｗｕ　Ｌ“Ｄａｙｉｅ　Ｂ　ｃｔ　ａｌ　Ｍ　Ｓ　Ｓｕｐｐｏｒｌ　ｏＩ　Ｄｉｆｆｅｒｅｌｌｔｉａｔｅｄ　Ｓｅｒｖｉｃｅｓ　ｌｎｔｅ￣ｎｅｔ　ＤｍｆＬＤｒａｆｔ—ｉ￣ｌＧｍｐｌ¨．ｄｉｌ：ｆｅｘｔ一０９　ｔｘｔ　２０９Ｉ一０４　２　Ｐａｕｃｈｅｕｌ　Ｆ　ｌｌｌＮａｄｅａｕ　ｆ　Ｄ　ＣｈＩＨ　Ａ　ｃｔ　ａｌ　Ｒｅｑｔａｒｅｍｅｎｔｓ　ｆｏｒ　Ｓｕｐｐｏｒｔ　ｏｆ　Ｄｉｌ：Ｓｅｒ￣ｆ　－ａ　ａ　ｅ　ＭＰＬＳ　Ｔｒａｆｆｉｃ　Ｅｎｇｉｎｅｅｒｉｎｇ　１ｎｌｃｎｌｃｔ　Ｄｒａｆｔ［）ｒａＰｔ－ｌｅｔｌ・　ｏｐｉｔｓ・ｄｉｌｆ：ｔ￣・ｒｅｑｔｓｄ｝０　ｔｘｔ　２０００・１　Ｉ　３　Ｂ［ａｃｋ　Ｄ　Ｄｉｎ　ｓ　ｒｃｎｌｉａｌｅｄ　Ｓｅｒｖｉｃｅｓ　ａｎｄ　ｒｕｎｎｅｌｓ　１｝１　Ｆ　ＲＦＣ２９８３　２０００　中问路｝　器无意义，而在ｌ　ＳＰ之外有意义，入口跚由器将其　传给出ｒ＝】路由器，由ｆｎ［【路ｆ｝１器将其继续向Ｆ游传送　管道　模型中，阿种信息都必须传递给ＬＳＰ出口路由器，因而只适　甩十无倒数第二跳弹ｆＨ的场台。　其标签交换操作只在入１］路由器作ＰＵＳＨ￣Ｎ出Ｌ＿Ｉ路由器　或倒数第二跳路由器作Ｐｏｐ时和统　模型不同。八几路由器　作ＰＵＳｌｌ操作时，将对应输出Ｐ１　ｍ的区分服务信息编码在传　输标签入１４　Ｌ对成所压入的标箍）中，而对应辅入ＰＩＩＢ的区分　服务信息编码在内层封装层（空拽标鐾或ｌＰ头１中　出ＶＩ作　ＰＯＰＩｂ］，原有标签弹Ｊ｝Ｊ，原有的由层变成外层，管道模型　４吴江赵慧玲下一儿时【ｐ骨１　阿　技术多　议杯鉴受换北京　＾民邮电出　社２００１　★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★’ｒ★★★★★★★★★★★★★★★★★★★★★★★　（　接第１　２３页）　释性。但模｜瑚分类器不能完全代替其他分类方浩　应该注意　到，可解释性会在一定程度上牺牲分类结果的正确性　不过　可解释性干¨　毽的语义使我们能检查系统的台理性，更好地　维护系统生命周期，对菜些应时尤ｊ　重要。另外，神经模删　系统也不能使模糊系统的建　过程完全自动化，卅户应该监　督学习过程并对结果加以分析。综　所述，神经模糊系统在　Ｐ，ｌＦｕＮＥ系统来对Ｉ　ｒｉｓ数据集分类，正确率会较高，相同规则　数情　Ｆ总体正确率为９８　５％，但系统的算法很复杂，且学　习时问长，ＦｕＮＥ．阚络中存在加权的规则，导致规则难以解　释。而ＮＥＩ　ｃ　Ｌ　ＡＳＳ规则层与输出层之间的连接权值ｗ（Ｒ，Ｃ１　固定为１，Ｉ面不是模糊集台。具体选择何种分类方法时，要　考虑可解释性、计算成本、分类正确率等之Ｉ可的权衡　ＮＥＦＣＬＡＳＳ已经在Ｗｉｎｄｍ，，ｓ及ＭａｔＬａｂ环境下实现，它　提供ｒ可视化的界面阻展示学习的整个过程。软件具有根强　数据分类领域会有很好的发展前景　参考文献　【Ｎａｕｃｋ　Ｄ，Ｋ　７１１ｓｅ　Ｒ　ＮＥＦＣＬＡＳＳ—Ａ　Ｎｅｕｒｏ－［ｕｚｚ）Ａｐｐｒｏａｃｈ　ｆｏｒ　ｔｈｅ　Ｃｌａ．￣ｓｉｉｃａｌｉｆ￣・ｎ　ｏｆＤａｔａ　Ｉｎ　Ｇｅｏｒｇｃ　Ｋ　Ｃａｒｍｌ　ｆ　Ｈ．ｅｄｉｔｏｒｓ　Ｐｒｃ，ｃ　ｏｆｒｉｔｅ　１９９５　ＡＣＭ　Ｓｙｍｐｏｓｉｕｍ　０１１　Ａｐｐｌｌｅｄ　Ｃｏｍｐｕｔｉｎｇ　Ｎｅｗ　Ｙｏｒｋ　ＡＣＭ　Ｐｍｓｓ　Ｉ９９５：４６１　４６５　２　Ｎａｕｃｋ　Ｄ　Ａ　Ｆｕｚｚｙ，Ｐｃｒｃｅｐ￣ｏｎ　ａｓ　ａ　Ｇｅｎｃｒｉｃ　Ｍｏｄｅｔ　ｆｏｒ　Ｎｃｕｆｏ・ｆｕｚｚｙ　Ａｐｐｒｏａｃｈｅｓ　Ｉｎ　ｒｒｏｃ　ｏｆＦｕｚ￣－Ｓｙｓｔｅｍｅ９４Ｍｕｎｉｃｈ　ｔ９９４　，的人机交互性，如规则编辑器方便用户观察规则，检查规则　的车日容性，在遇到不相容的时候（规则的前提条件相同却有　不同的结　仓），让用户决定删除哪条规则。它对规则及模糊　集合制定了一套修剪调整策略，可由Ⅲ广交互式应坩，　ＮＩ，；ＦＣ［　ＡＳＳ提供５种修剪稠整策略：评价规则ｉ删除输入变　量；删除规则；删除前提；删除模糊集　如＿粜修改后性能有　所下降，坷户可取消此次修改。用户　可尝试各种策略，直至　获得最终可接受的性能和规则可解释性　３　Ｎａｕｃｋ　Ｄ　Ｄａｔａ　Ａｎａｌ，￣ｓｉｓ　ｗｉｔｈ　Ｎｅｕｒｏ　ｆｏｚｚｙ　Ｍｅｔｈｏｄｓ　ｈｎＤ，＾Ｖ、　ｖ　ｃｓ　１ｕ—　ｂｓ　ｄｅ　ｎａｕｃｋ　４　Ｎａｕｃｋ　Ｄ　Ｋｒｕｓｅ　Ｒ　Ｗｈａｔ　ａｒｅ　Ｎｔ：ｕｌｏ￣［ｔ＇ｌＺＺＸ，Ｃｌａｓｓｉｌｉｃｒ　７ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｆｕｚｚｙ　Ｓｙｓｌｃｍｓ　Ａｓｓｏｃｉａｔｉｏｎ　Ｗｏｒｌｄ　Ｃｏｎｇｒｃｓｓ　Ｉ『ＦＳＡ９７）、Ｐｒａｇｕｅ　１　９９７　２２８—２３３　５小结　神经模糊系统可　从数据中获取模ｌ糊分类知识．ｉ耋是一　种人机交互－　Ｅ很强的方法，能年　尉已有知识，并有很好的解　一５王士同神经模删系统厦菇应用￣ＬＺ：－ＩＬ京航空航天Ａ学出版社，　『ｑｑＲ　１　５６一