Resumen

Este artículo describe una mejora del clasificador de razonamiento de retícula difusa (FLR) para la clasificación de patrones basada en una función de valoración positiva. El razonamiento de retícula difusa (FLR) fue descrito recientemente como una extensión del dominio de datos de retícula del clasificador neural fuzzy ARTMAP basado en una función de medida de inclusión de retícula. En este trabajo, mejoramos el rendimiento del clasificador FLR al definir una nueva función de valoración positiva no lineal. Como consecuencia, el algoritmo modificado logra mejores resultados de clasificación. La efectividad del FLR modificado se demuestra mediante ejemplos en varios benchmarks de reconocimiento de patrones bien conocidos.

• Materias:Modelos borrosos Axiomas de separación
• Subjects:Fuzzy models Separation axioms
• Palabras claves:Mejora; Razonamiento de red difusa; Clasificador; Función de valoración positiva; Rendimiento; Resultados de clasificación
• Keywords:Enhancement; Fuzzy lattice reasoning; Classifier; Positive valuation function; Performance; Classification results