一种基于残差模糊多项式神经网络的分类方法

本发明提出了一种基于残差模糊多项式神经网络的分类方法(Residual fuzzy polynomial neural network，RFPNN)。RFPNN结合了残差神经网络的“跨层连接”结构优点与多项式神经网络的高阶非线性表达能力优点，使得残差多项式神经网络可以更好的拟合分类函数以获得更高的分类精度。残差模糊多项式神经网络是一种改进的新型多项式神经网络，整体结构上分为输入层、隐藏层、输出层三部分，隐藏层的多层网络结构是由多个残差块堆叠构成。输入层负责接收原始数据，并对数据进行PCA降维预处理后传输到隐藏层。隐藏层负责对预处理后的数据进行非线性变换，拟合分类函数，同时残差块的快捷连接保证了数据的跨层传递。输出层通过模糊聚类算法，计算样本类别隶属度，并预测最终的分类结果。实验结果表明本发明提出的方法具有较好的分类效果。