發(fā)布時(shí)間：2018-01-12 15:22

  本文關(guān)鍵詞：適合大規(guī)模數(shù)據(jù)集且基于LLM的0階TSK模糊分類器　出處：《控制與決策》2017年01期 　論文類型：期刊論文

  更多相關(guān)文章： TSK-FC TSK-IFC 最小學(xué)習(xí)機(jī) TSK型模糊分類器 大規(guī)模數(shù)據(jù)集

【摘要】：針對(duì)傳統(tǒng)分類器的泛化性能差、可解釋性及學(xué)習(xí)效率低等問題,提出0階TSK-FC模糊分類器.為了將該分類器應(yīng)用到大規(guī)模數(shù)據(jù)的分類中,提出增量式0階TSK-IFC模糊分類器,采用增量式模糊聚類算法(IFCM(c+p))訓(xùn)練模糊規(guī)則參數(shù)并通過適當(dāng)?shù)木仃囎儞Q提升參數(shù)學(xué)習(xí)效率.仿真實(shí)驗(yàn)表明,與FCPM-IRLS模糊分類器、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)相比,所提出的模糊分類器在不同規(guī)模數(shù)據(jù)集中均能保持很好的性能,且TSK-IFC模糊分類器在大規(guī)模數(shù)據(jù)分類中尤為突出.
[Abstract]:Aiming at the problems of poor generalization, interpretability and low learning efficiency of traditional classifiers, a 0-order TSK-FC fuzzy classifier is proposed, which is applied to the classification of large-scale data. An incremental 0-order TSK-IFC fuzzy classifier is proposed. The incremental fuzzy clustering algorithm is used to train the fuzzy rule parameters and to improve the learning efficiency of the parameters through the appropriate matrix transformation. The simulation results show that the proposed algorithm can improve the learning efficiency of the fuzzy rules. Compared with FCPM-IRLS fuzzy classifier and radial basis function neural network, the proposed fuzzy classifier can maintain good performance in different data sets. And TSK-IFC fuzzy classifier is especially prominent in large scale data classification.
【作者單位】： 江南大學(xué)數(shù)字媒體學(xué)院;
【分類號(hào)】：TP181
【正文快照】： 0引言模糊分類作為機(jī)器學(xué)習(xí)的一個(gè)重要領(lǐng)域,使用語言規(guī)則和模糊集對(duì)知識(shí)進(jìn)行表達(dá),因此模糊系統(tǒng)往往具有很好的可解釋性,并已在圖像處理、文字識(shí)別、語音識(shí)別等領(lǐng)域得到了廣泛應(yīng)用.模糊分類一般包含以下過程:1)將輸入樣本映射到模糊子空間,即模糊劃分過程;2)建立與模糊子空間相

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級(jí)分類器的垃圾短信過濾方法[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

2 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗(yàn)證對(duì)象集分類器的再訓(xùn)練演進(jìn)[A];第十九屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2002年

3 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機(jī)手寫識(shí)別筆段特征分類器的學(xué)習(xí)方法[A];黑龍江省計(jì)算機(jī)學(xué)會(huì)2009年學(xué)術(shù)交流年會(huì)論文集[C];2010年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認(rèn)證[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(shù)(英文)[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關(guān)”的說話人辨認(rèn)[A];第四屆全國(guó)人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

7 謝秋玲;;應(yīng)用于心電圖分類的KNN-SVM分類器研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

8 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級(jí)聯(lián)分類器的快速人臉檢測(cè)方法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

9 李蘭春;王雙成;杜瑞杰;;認(rèn)知結(jié)構(gòu)評(píng)估的動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)分類器方法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

10 邵小健;段華;賀國(guó)平;;一種改進(jìn)的最少核分類器[A];中國(guó)運(yùn)籌學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)論文集（上卷）[C];2004年

相關(guān)重要報(bào)紙文章 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報(bào);2000年

相關(guān)博士學(xué)位論文 前10條

1 張非;對(duì)抗逃避攻擊的防守策略研究[D];華南理工大學(xué);2015年

2 張文博;多類別智能分類器方法研究[D];西安電子科技大學(xué);2014年

3 許勁松;智能交通中目標(biāo)檢測(cè)與分類關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2014年

4 余家林;普通場(chǎng)景視頻人臉檢測(cè)與識(shí)別的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2016年

5 趙作林;基于圖像分析的北京地區(qū)楊樹種類識(shí)別研究[D];北京林業(yè)大學(xué);2015年

6 任亞峰;基于標(biāo)注和未標(biāo)注數(shù)椐的虛假評(píng)論識(shí)別研究[D];武漢大學(xué);2015年

7 劉明;分類器組合技術(shù)研究及其在人機(jī)交互系統(tǒng)中的應(yīng)用[D];北京交通大學(xué);2008年

8 嚴(yán)志永;在劃分?jǐn)?shù)據(jù)空間的視角下基于決策邊界的分類器研究[D];浙江大學(xué);2011年

9 王U，

本文編號(hào)：1414827