摘要：针对构造型形态神经网络（CMNN ）决策函数的局限性，提出了一种模糊格构造型形态神经网络（FL-CMNN ）；该模型在利用训练好的CMNN进行分类时，引入模糊格包容性测度计算测试样本属于各超盒的隶属度值。采用仿真数据集对提出的FL-CMNN模型进行了评价，并与原始的CMNN和传统的人工神经网络、支持向量机、最近邻分类器进行了对比；试验结果表明，FL-CMNN在测试精度上明显优于原始的CMNN ，训练时间远远低于传统的神经网络和支持向量机，而分类精度丝毫不亚于传统的神经网络和支持向量机。

关键词：数学形态学 形态神经网络 模糊格 模式识别 

单位：军械工程学院四系; 河北石家庄050003; 电子信息系统复杂电磁环境效应国家重点实验室; 河南洛阳471003