一种基于变调整学习规则的模糊网页分类方法研究
摘要内容:
当类别之间交叉现象比较严重时 ,网页分类方法的精度就会下降1 为准确地分类网页 ,首先给出一种模糊网页分类的系统结构 ,通过用成员函数替代分类网络中的权值变量 ,来提供一种可融入人类关于网页分类知识的机制1然后给出一种通用学习规则 ,来学习成员函数中的参数1 通过理论推导 ,用李雅普诺夫函数分析和验证通用参数学习规则的学习收敛性 ,揭示参数学习算法朝最小误差方向调整参数的内在因素1最后在单参数学习算法收敛性的分析基础上 ,提出一种变调整规则的单参数学习算法 ,加快参数学习速度1从学习收敛性的理论论证和实验结果来看 ,这种网页分类方法是一种有效的分类方法1