The Algorithmic Parameters of a Fuzzy Dynamic Learning Neural Network

傳統的類神經網路分類器在進行訓練時，係以單一像元單一類別來表示其資訊。因此，對於像元內類別混合的情形並未加以考慮，致使其分類準確度降低。模糊動態學習神經網路以動態學習神經網路為基礎，並利用模糊集合來表示其訓練資訊。為將模糊資訊加入神經網路中，模糊動態學習神經網路在訓練階段利用模糊c平均演算法來設定每一像元的隸屬度。本論文將模糊動態學習神經網路應用於合成口徑雷達影像的分類，以來討論模糊c平均演算法中包括隸屬權值指數及差異度量測等演算參數的選擇。同時，本論文將以合成口徑雷達影像的分類，來比較動態學習神經網路及模糊動態學習神經網路的效能。實驗結果顯示模糊動態學習神經網路具有比動態學習神經網路更好的收斂特性及分類結果，且可改善相似類別間的區別率及類別混合像元之分類能力。