论文部分内容阅读
针对训练模式类标签不精确的识别问题，提出基于可传递信度模型的自适应模糊k-NN（k-Nearest Neighbor）分类器。利用可传递信度模型结合模糊集理论和可能性理论并运用pignistic变换，对待识别模式真正所属的类做出决策。采用梯度下降最小化误差函数，以实现参数的自适应学习。实验结果表明，该分类器误分类率低、鲁棒性强。