D0L:10.13374.issn1001-053x.2012.05.019 第34卷第5期 北京科技大学学报 Vol.34 No.5 2012年5月 Journal of University of Science and Technology Beijing May 2012 一种模糊认知图分类器构造方法 马 楠2》器杨炳儒) 翟云1，》李广原》 张德政” 1)北京科技大学计算机与通信工程学院，北京1000832)北京联合大学信息学院，北京100101 3)聊城大学计算机学院，聊城252000 g通信f作者：E-mail:mamunan@yahoo.com.cm 摘要提出了一种新的模糊认知图分类器模型构造方法，它包括构建流程、激活函数、推理规则和学习方法等核心构件.模 型利用提出的动态交叉变异算子自适应遗传进化过程，实现种群间自动调节和自动适应.仿真实验表明：本文提出的模型增 强了局部随机搜索能力，加强了算法的全局收敛能力，与其他经典分类方法相比，不但性能较好，而且具有较强的抗噪能力， 从而具有更强的鲁棒性 关键词模糊认知图：分类器：分类；模糊集合论：学习算法 分类号TP181 Classifier construction based on the fuzzy cognitive map MA Nan',YANG Bing-ru,ZHAI Yun!,LI Guang-yuan,ZHANG De-zheng" 1)School of Computer and Communication Engineering,University of Science and Technology Beijing,Beijing 100083,China 2)College of Information Technology,Beijing Union University,Beijing 100101,China 3)College of Computer Science,Liaocheng University,Liaocheng 252000,China Corresponding author,E-mail:mamunan@yahoo.com.cn ABSTRACT A novel construction method of classifier models based on the fuzzy cognitive map was proposed,which consists of model structure,activation functions,inference rules and learning algorithms.The model employs dynamically self-adaptive crossover and mutation operators to automatically adjust the evolution process within populations.Simulation experiments prove that the model enhances the capabilities of local random search and global convergence.Compared with other classical classification algorithms,the model not only shows a better classification performance,but also has powerful noise-immune ability which renders it robust. KEY WORDS fuzzy cognitive map:classifiers;classification:fuzzy set theory:learning algorithms Kosko0于1986年在Axelord的三值认知图回 过程中具有灵活的适应性和较强的模糊推理能力. 基础上，结合模糊集合论提出把概念节点间的三值 除此之外，模糊认知图还被应用到医疗事故诊 逻辑关系扩展为[-1,1]区间上的模糊关系，即提 断的、电路分析因、分布式网络环境管理)、软件发 出了模糊认知图(fuz四cognitive map,FCM)理论， 展项目建模以及虚拟世界建模回、Wb关联规则 指出模糊认知图的有限输入状态可在虚拟空间中开 挖掘o、Agent推理m等领域.模糊认知图应用的 辟一条通路，简单模糊认知图的通路可能终止于一 广度和深度充分证明了模糊认知图建模技术的有效 个不动点或极限环，在具有反馈的复杂模糊认知图 性与普适性. 中这条通路可能终止于“混沌”奇异吸子回.作为 近些年来，有些学者将模糊认知图在分类方面 一种软计算技术，模糊认知图己被广泛应用到动态 做了一些研究，并取得了一些可喜的成果.如文献 系统建模0中，并显示出了突出的优越性，更重要 12]构造了一种简易的模糊认知图分类器并验证 的是，它不仅简单容易理解，而且在系统设计和控制 了其有效性，使用模糊认知图进行分类推理，模拟分 收稿日期：20110705 基金项目：国家自然科学基金资助项目(61175048)：国家重点基础研究发展计划(2009CB522701):北京市属高等学校人才强教计划资助项 目PHR(IHLB)第 34 卷 第 5 期 2012 年 5 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 34 No． 5 May 2012 一种模糊认知图分类器构造方法 马 楠1，2) 杨炳儒1) 翟 云1，3) 李广原1) 张德政1) 1) 北京科技大学计算机与通信工程学院，北京 100083 2) 北京联合大学信息学院，北京 100101 3) 聊城大学计算机学院，聊城 252000 通信作者: E-mail: mamunan@ yahoo． com． cn 摘 要 提出了一种新的模糊认知图分类器模型构造方法，它包括构建流程、激活函数、推理规则和学习方法等核心构件． 模 型利用提出的动态交叉变异算子自适应遗传进化过程，实现种群间自动调节和自动适应． 仿真实验表明: 本文提出的模型增 强了局部随机搜索能力，加强了算法的全局收敛能力，与其他经典分类方法相比，不但性能较好，而且具有较强的抗噪能力， 从而具有更强的鲁棒性． 关键词 模糊认知图; 分类器; 分类; 模糊集合论; 学习算法 分类号 TP181 Classifier construction based on the fuzzy cognitive map MA Nan1，2) ，YANG Bing-ru1) ，ZHAI Yun1，3) ，LI Guang-yuan1) ，ZHANG De-zheng1) 1) School of Computer and Communication Engineering，University of Science and Technology Beijing，Beijing 100083，China 2) College of Information Technology，Beijing Union University，Beijing 100101，China 3) College of Computer Science，Liaocheng University，Liaocheng 252000，China Corresponding author，E-mail: mamunan@ yahoo． com． cn ABSTRACT A novel construction method of classifier models based on the fuzzy cognitive map was proposed，which consists of model structure，activation functions，inference rules and learning algorithms． The model employs dynamically self-adaptive crossover and mutation operators to automatically adjust the evolution process within populations． Simulation experiments prove that the model enhances the capabilities of local random search and global convergence． Compared with other classical classification algorithms，the model not only shows a better classification performance，but also has powerful noise-immune ability which renders it robust． KEY WORDS fuzzy cognitive map; classifiers; classification; fuzzy set theory; learning algorithms 收稿日期: 2011--07--05 基金项目: 国家自然科学基金资助项目( 61175048) ; 国家重点基础研究发展计划( 2009CB522701) ; 北京市属高等学校人才强教计划资助项 目 PHR( IHLB) Kosko ［1］于 1986 年在 Axelord 的三值认知图［2］ 基础上，结合模糊集合论提出把概念节点间的三值 逻辑关系扩展为［－ 1，1］区间上的模糊关系，即提 出了模糊认知图( fuzzy cognitive map，FCM) 理论， 指出模糊认知图的有限输入状态可在虚拟空间中开 辟一条通路，简单模糊认知图的通路可能终止于一 个不动点或极限环，在具有反馈的复杂模糊认知图 中这条通路可能终止于“混沌”奇异吸子［3］． 作为 一种软计算技术，模糊认知图已被广泛应用到动态 系统建模［4］中，并显示出了突出的优越性，更重要 的是，它不仅简单容易理解，而且在系统设计和控制 过程中具有灵活的适应性和较强的模糊推理能力． 除此 之 外，模糊认知图还被应用到医疗事故诊 断［5］、电路分析［6］、分布式网络环境管理［7］、软件发 展项目建模［8］以及虚拟世界建模［9］、Web 关联规则 挖掘［10］、Agent 推理［11］等领域． 模糊认知图应用的 广度和深度充分证明了模糊认知图建模技术的有效 性与普适性． 近些年来，有些学者将模糊认知图在分类方面 做了一些研究，并取得了一些可喜的成果． 如文献 ［12］构造了一种简易的模糊认知图分类器并验证 了其有效性，使用模糊认知图进行分类推理，模拟分 DOI:10.13374/j.issn1001-053x.2012.05.019