| 适合大规模数据集且基于LLM的0阶TSK模糊分类器 |
| |
| 作者姓名： | 李滔 王士同 |
| |
| 作者单位： | 江南大学数字媒体学院,江苏无锡214122,江南大学数字媒体学院,江苏无锡214122 |
| |
| 基金项目： | 国家自然科学基金项目(61170122, 61272210);江苏省自然科学基金项目(BK20130155) |
| |
| 摘 要： | 针对传统分类器的泛化性能差、可解释性及学习效率低等问题, 提出0阶TSK-FC模糊分类器.为了将该分类器 应用到大规模数据的分类中, 提出增量式0阶TSK-IFC模糊分类器, 采用增量式模糊聚类算 法(IFCM($c+p$))训练模糊规则参数并通过适当的矩阵变换提升参数学习效率.仿真实验表明, 与FCPM-IRLS模糊分类器、径向基函数神经网 络相比, 所提出的模糊分类器在不同规模数据集中均能保持很好的性能, 且TSK-IFC模糊分类器在大规模数据分类中尤为突出.
|
| 关 键 词： | TSK-FC TSK-IFC 最小学习机 TSK型模糊分类器 大规模数据集 |
| 收稿时间： | 2015-12-22 |
| 修稿时间： | 2015-12-22 |
|
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
|
