文献类型：期刊文章

作　　者：姜建华[1] 盛步云[1] 龚立雄[2] 杨明忠[1]

机构地区：[1]武汉理工大学机电工程学院,武汉430070 [2]重庆理工大学汽车学院,重庆400540

出　　处：《武汉理工大学学报》

基　　金：国家自然科学基金(50905133)

年　　份：2010

卷　　号：32

期　　号：24

起止页码：143-147

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：为了解决动态虚拟企业中订单任务的分类问题,在分析SOFM网络学习算法的基础上,以提高算法的收敛速度和分类精度为出发点,研究了对SOFM网络的改进方法。针对SOFM网络中过多的输入不利于任务分类的问题,研究了基于粗糙集的订单任务属性特征提取方法。最后,在实际样本数据的基础上,以matlab为仿真工具,利用粗糙集的属性特征提取及改进的SOFM网络对样本进行分类,证实了该方法可以实现订单任务的自动分类,并且较传统SOFM网络分类方法具有更快的速度和更高的精度。

关 键 词：动态虚拟企业  自组织特征映射 神经网络 订单任务自动分类  

分 类 号：TP391]