基于模糊子空间聚类的0阶岭回归TSK模糊系统
经典数据驱动型TSK模糊系统在利用高维数据训练模型时,由于规则前件采用的特征过多,导致规则的解释性和简洁性下降。对此,根据模糊子空间聚类算法的子空间特性,为TSK模型添加特征抽取机制,并进一步利用岭回归实现后件的学习,提出一种基于模糊子空间聚类的0阶岭回归TSK模型构建方法。该方法不仅能为规则抽取出重要子空间特征,而且可为不同规则抽取不同的特征。在模拟和真实数据集上的实验结果验证了所提出方法的优势。
解释性、高维数据、岭回归、TSK模糊系统
31
TP391(计算技术、计算机技术)
国家自然科学基金项目61170122;江苏省杰出青年基金项目BK20140001;新世纪优秀人才支持计划项目NCET120882
2016-05-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
882-888