增强型模糊形态学联想记忆的改进

为了克服增强型模糊形态学联想记忆（EFMAM）的网络规模随训练样本数目的增加而急剧增大的缺点，使其硬件实现更为容易，对原始EFMAM的网络体系结构进行了约简．在相似度空间中，定义一个基于概率（“软”）相似度分配的准则以评价约简矩阵A，再利用遗传算法搜索其最佳解．实验表明，约简后的EFMAM节约了计算时间和存储空间，易于硬件实现，同时其识别性能相对于原始EFMAM并未明显降低．     

增强型模糊形态学联想记忆的改进

为了克服增强型模糊形态学联想记忆(EFMAM)的网络规模随训练样本数目的增加而急剧增大的缺点,使其硬件实现更为容易,对原始EFMAM的网络体系结构进行了约简.在相似度空间中,定义一个基于概率("软")相似度分配的准则以评价约简矩阵A,再利用遗传算法搜索其最佳解.实验表明,约简后的EFMAM节约了计算时间和存储空间,易于硬件实现,同时其识别性能相对于原始EFMAM并未明显降低.