Takagi-Sugeno模糊系统双正则联合稀疏建模新方法
传统Takagi-Sugeno(T-S)模糊系统模型因模糊规则使用样本全部特征,导致模型的可解释性较差,冗余特征的存在还会导致模型的过拟合,降低模型的泛化性能.针对该问题,提出了一种模糊系统联合稀疏建模新方法L2-CFS-FIS(L2-common feature selection fuzzy inference systems),从而提高模型的泛化性能和可解释性.该方法充分考虑存在于模糊规则间的公共特征信息,同时引入模型过拟合处理机制,将模糊系统建模问题转化为一个基于双正则的联合优化问题,并使用交替方向乘子(alternating direction method of multipliers,ADMM)算法来进行求解.实验结果表明,该方法所构造的模糊系统不仅能够获得较为满意的泛化性能,而且通过有效地挖掘规则间重要的公共特征,可以确保模型具有较高的可解释性.
T-S模糊系统建模、公共特征选择、联合优化、ADMM算法
13
TP181(自动化基础理论)
The Natural Science Foundation of Jiangsu Province under Grant Nos. BK20161268, BK20160187, BK20151299 江苏省自然科学基金
2020-01-17（万方平台首次上网日期，不代表论文的发表时间）
共11页
1016-1026
