具有强解释性的贝叶斯MA型模糊系统

• 作者: 倪彤光 王士同 蒋亦樟 顾晓清
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 分类 粒子滤波 贝叶斯推理 Mamdani-Assilan型模糊系统
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 16-26
• 页数: 11页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2016.1418

摘要

提出用于规则前件学习的中心点交叉涌现的大间隔贝叶斯模糊聚类(CECLM-BFC)算法.考虑不同样本间聚类中心的排斥作用使得聚类中心间距最大化,并采用粒子滤波方法在不同类别样本中交替执行,自动求解出最优聚类结果,包括聚类数、模糊隶属度和聚类中心.在模糊规则后件参数学习上使用分类面大间隔的策略,以MA型模糊系统为研究对象构造具有强解释性的贝叶斯MA型模糊系统(BMA-FS).实验结果表明,BMA-FS能够取得令人满意的分类性能,且模糊规则具有高度的解释性.

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	顾晓清	江南大学数字媒体学院	9	39	4.0	5.0
4	倪彤光	常州大学信息科学与工程学院	19	88	4.0	8.0
5	蒋亦樟	江南大学数字媒体学院	50	216	8.0	11.0