跳转到主要内容
认证机构:IGI全球平台(112.34.110.21)
登录
注册
语言:
英语
欢迎使用InfoSci平台
IGI全球平台
IGI全球平台
无法进行身份验证。
IP:112.34.110.21
数据库搜索
数据库搜索
基本搜索
高级搜索
专家搜索
保存的搜索
索策略
研究工具
研究工具
帮助
用户指南
咨询委员会
用户资源
用户资源
针对研究人员
对于作者
对于图书馆员
参考中心
1
指数
该标题如下所示:
关闭
参考中心
该研究被引用于:
会议
基于agent的模糊神经网络精确能耗预测方法
2012 IEEE绿色通信在线会议(GreenCom)
10.1109/GreenCom.2012.6519616
关闭
最近搜索的热门结果
关闭
一种新的高效的二值分类模糊建模方法
T.沃伦·廖
来源标题:
国际模糊系统应用杂志
1(1)
版权:
© 2011
|
体积:
1
|
问题:
1
|
页:
19
国际标准编号:
2156-177倍
|
EISSN公司:
2156-1761
|
EISBN13:
9781613507056
|
内政部:
10.4018/ijfsa.2011010102
引用文章
引用文章
百万美元
Liao,T.Warren。
“一种新的高效的二进制分类模糊建模方法。”
国际JFSA
2011年第1卷:第17-35页。
http://doi.org/10.4018/ijfsa.2011010102
亚太地区
廖天伟(2011)。
一种新的高效的二值分类模糊建模方法。
国际模糊系统应用杂志(IJFSA),1
(1), 17-35.
http://doi.org/10.4018/ijfsa.2011010102
芝加哥
Liao,T.Warren。
“一种新的有效的二进制分类模糊建模方法,”
国际模糊系统应用杂志
1号:17-35。
http://doi.org/10.4018/ijfsa.2011010102
导出参考
最喜欢的
完整发布下载
查看全文HTML
查看全文PDF
摘要
本文提出了一种新的模糊建模方法,该方法可归类为网格划分方法,其中域空间由模糊均衡方法一次一维划分,然后根据最大最小合成计算规则权重。
选择五个数据集进行测试。
其中,有三个数据集是高维的;
对于这些数据集,只有选定的特征用于控制模型大小。
使用枚举法确定每个变量的模糊项的最佳组合。
根据平均测试误差、平均误报率、平均误判率、训练误差和建立模型所需的CPU时间来评估每个模糊模型的性能。
结果表明,这种方法是最好的,因为它产生的平均测试误差最小,并且建立模糊模型所需的时间更少。
平均测试误差随模型尺寸变化很大。
通常,无论使用何种模糊建模方法,大型模型产生的测试误差都低于小型模型。
然而,这种关系并不是单调的。
因此,必须努力确定哪种模型最适合给定的数据集和所选的模糊建模方法。
请求访问权限
您不拥有此内容。
请登录向您所在机构的图书管理员推荐此标题,或从
IGI全球书店
.
用户名或电子邮件:
*
密码:
*
登录
忘记个人登录密码?
创建个人帐户
如果出现与翻译网站中所含信息准确性相关的任何问题,
请参阅网站的英文版本,即官方版本。
访问
www.igi-global.com/gateway/terms-and-conditions网站/
了解更多信息。