适合大规模数据集且基于LLM的0阶TSK模糊分类器
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。
TSK-FC、TSK-IFC、最小学习机、TSK型模糊分类器、大规模数据集
32
TP181(自动化基础理论)
国家自然科学基金项目61170122,61272210;江苏省自然科学基金项目BK20130155
2017-02-13(万方平台首次上网日期,不代表论文的发表时间)
共10页
21-30