计算机科学 ›› 2014, Vol. 41 ›› Issue (12): 172-175.doi: 10.11896/j.issn.1002-137X.2014.12.037
徐华
XU Hua
摘要： 与传统的TSK模糊系统相比,改进的双层TSK模糊系统CTSK(Central TSK Fuzzy System)有如下优点:良好的可解释性、更好的鲁棒性、较强的逼近能力。但对于大样本或超大样本数据集,其时间复杂度和空间复杂度的开销都极大地限制了它的实用性。针对此不足,通过模糊系统融合中心约束型最小包含球(CCMEB)理论提出了CCMEB-CTSK(CCMEB-based CTSK)算法。该算法在继承CTSK优点的同时,又较好地实现了处理大样本和超大样本数据集的有效性和快速性。仿真实验研究分析了采用不同模糊规则数的CCMEB-CTSK的性能指标和运行时间的比较,以及训练样本不加噪声和加入噪声情况下CCMEB-CTSK泛化能力和鲁棒性能的测试。
| [1] 侯越.基于改进T-S模糊神经网络的交通流量预测[J].计算机科学,2014,8(1):121-126 [2] 冯定芸,于福生,王晓.模糊规则组的谐调度[J].计算机科学,2013,0(5):45-47 [3] 徐华,薛恒新.中心化模糊系统CTSK 的分析及应用[J].计算机工程,2008,4(23):7-16 [4] Chung K F L,Duan J C.On multistage fuzzy neural networkmodeling[J].IEEE Trans.Fuzzy systems,2000(8):125-142 [5] 蔡前凤,郝志峰,刘伟.基于模糊划分和支持向量机的TSK模糊系统[J].模式识别与人工智能,2009,2(3):411-416 [6] 钱鹏江,王士同,邓赵红,等.基于最小包含球的大数据集快速谱聚类算法[J].电子学报,2010,8(9):2035-2041 [7] Tsang I W-H,Kwok J T,Zurada J A.Generalized Core Vectore Machines[J].IEEE Transactions on Neural Networks,2006,17(5):1126-1139 [8] Zhang Ying-song,Kingsbury N.FAST L0-BASED SPARSESIGNAL RECOVERY[C]∥2010 IEEE International Workshop on Machine Learning for Signal Processing (MLSP 2010).2010:403-408 [9] 刘建伟,李双成,罗雄麟.p范数正则化支持向量机分类算法[J].自动化学报,2012,8(1):76-87 [10] Lee C-H,Zaane O R,Park H H,et al.Clustering High Dimensional Data:A Graph-based Relaxed Optimization Approach[J].Information Sciences,2008,178(23):4501-4511 [11] 刘向东,骆斌,陈兆乾.支持向量机最优模型选择的研究[J].计算机研究与发展,2005,42(4):576-581 |
| No related articles found! |
|
||
首页