10.16451/j.cnki.issn1003-6059.202303002
面向不平衡数据的深度TSK模糊分类器
为了进一步提升Takagi-Sugeno-Kang(TSK)模糊分类器在不平衡数据集上的泛化能力和保持其较好的语义可解释性,受集成学习的启发,提出面向不平衡数据的深度TSK模糊分类器(A Deep TSK Fuzzy Classifier for Im-balanced Data,ID-TSK-FC).ID-TSK-FC主要由一个不平衡全局线性回归子分类器(Imbalanced Global Linear Regres-sion Sub-Classifier,IGLRc)和多个不平衡TSK模糊子分类器(Imbalanced TSK Fuzzy Sub-Classifier,I-TSK-FC)组成.根据人类"从全局粗糙到局部精细"的认知行为和栈式叠加泛化原理,ID-TSK-FC首先在所有原始训练样本上训练一个IGLRc,获得全局粗糙的分类结果.然后根据IGLRc的输出,识别原始训练样本中的非线性分布训练样本.在非线性分布训练样本上,以栈式深度结构生成多个局部I-TSK-FC,获得局部精细的结果.最后,对于栈式堆叠IGL-Rc和所有I-TSK-FC的输出,使用基于最小距离投票原理,得到ID-TSK-FC的最终输出.实验表明,ID-TSK-FC不仅具有基于特征重要性的可解释性,而且具有至少相当的泛化性能和语义可解释性.
TSK模糊分类器、语义可解释性、深度栈式结构、不平衡数据
36
TP181(自动化基础理论)
国家重点研发计划;江苏省自然科学基金;江苏省教育厅自然科学重点研究项目
2023-04-25（万方平台首次上网日期，不代表论文的发表时间）
共14页
211-224
