軟件介紹

摘　　　要：提出了基于模糊粗糙集理論的樣本歸一化方法，用于解決因神經(jīng)網(wǎng)絡(luò)分類器在不同類樣本間距離較近時訓(xùn)練速度較慢的問題。將神經(jīng)網(wǎng)絡(luò)的輸入作為粗糙集信息系統(tǒng)的條件屬性，神經(jīng)網(wǎng)絡(luò)的輸出作為決策屬性，構(gòu)建決策表。利用粗糙集理論對訓(xùn)練樣本離散化，根據(jù)離散化樣本與兩類不同樣本間的距離差和兩類樣本的能量差，利用模糊集理論對該原始樣本進(jìn)行伸縮處理，然后，對伸縮預(yù)處理后的樣本進(jìn)行歸一化，較后，用歸一化處理后的樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。以配電網(wǎng)故障選線為例，對該方法進(jìn)行了分...