适合大规模数据集且基于LLM的0阶TSK模糊分类器

• 作者: 李滔 王士同
• 来源期刊: 控制与决策
• 学科: 工学
• 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
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 21-30
• 页数: 10页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2015.1579

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	李滔	江南大学数字媒体学院	6	29	2.0	5.0