×
阿明·埃夫特哈里;哈米德·阿布里沙米·莫加达姆;穆罕默德·福鲁扎法尔;贾瓦德·阿里勒扎伊

Fisher空间中的增量式局部线性模糊分类器。 （英文） Zbl 1184.68392号

EURASIP J.高级信号处理。 2009年，文章ID 360834，第9页（2009年）.
摘要：优化神经模糊系统的前件是一个活跃的研究课题，针对这一课题，人们提出了不同的方法。然而，当前的方法通常存在计算复杂度高或缺乏从给定训练数据集提取知识的能力的问题。本文针对基于局部线性分类器构造的一类神经模糊系统，提出了一种新的增量训练算法。线性判别分析用于将数据转换为训练样本的线性判别最大化的空间。然后，从最简单的形式（全局线性分类器）开始，在变换空间中构建神经模糊分类器。如果分类器的总体性能不令人满意，则可以通过合并其他局部分类器对其进行迭代优化。此外，使用局部最小二乘法对规则结果参数进行优化。我们的求精策略受到了LOLIMOT的启发，它是一种用于结构训练的贪婪划分算法，已成功应用于许多识别问题。将所提出的分类器与一些已知数据集上的基准分类器进行了比较。结果证明了所提出的分类器在实现高性能的同时具有低计算量的有效性。

引用于1文件

MSC公司：

68T05型 人工智能中的学习和自适应系统

软件：

洛利莫特
PDF格式BibTeX公司 XML格式引用
\textit{A.Eftekhari}等人，EURASIP J.高级信号处理。2009年，文章ID 360834，9 p.（2009年；Zbl 1184.68392）
全文： 内政部

参考文献：

[3] doi:10.1016/S1367-5788（03）00009-9·doi:10.1016/S1367-5788（03）00009-9
[4] doi:10.1109/TAP.2003.811103·doi:10.1109/TAP.2003.811103
[5] doi:10.1109/MEMB.2002.1175148·doi:10.1109/MEMB.2002.1175148
[6] doi:10.1023/A:1026515819538·Zbl 0987.68618号 ·doi:10.1023/A:1026515819538
[8] doi:10.1109/TFUZZ.2006.879982·doi:10.1109/TFUZZ.2006.879982
[9] 数字对象标识代码：10.1109/91.940970·数字对象标识代码：10.1109/91.940970
[10] 数字对象标识代码：10.1109/91.940964·数字对象标识代码：10.1109/91.940964
[11] 数字对象标识代码：10.1109/91.531768·数字对象标识代码：10.1109/91.531768
[12] doi:10.1109/72.846746·doi:10.1109/72.846746
[13] doi:10.1016/S0020-0255（01）00139-6·Zbl 0996.68155号 ·doi:10.1016/S0020-0255（01）00139-6
[17] doi:10.1016/j.compbiomed.2007.03.006·doi:10.1016/j.compbiomed.2007.03.006
[18] doi:10.1016/0888-613X（95）00076-S·Zbl 0956.68525号 ·doi:10.1016/0888-613X（95）00076-S
[19] doi:10.1016/S0165-0114（97）00009-2·doi:10.1016/S0165-0114（97）00009-2
[20] doi:10.1109/TFUZZ.2006.889967·doi:10.1109/TFUZZ.2006.889967
[21] doi:10.1016/j.patrec.2006.10.011·doi:10.1016/j.patrec.2006.10.011
[22] doi:10.1016/j.patcog.2004.07.003·Zbl 1079.68594号 ·doi:10.1016/j.patcog.2004.07.003
[23] doi:10.1109/TPAMI.2008.79·doi:10.1109/TPAMI.2008.79
[24] doi:10.1009/34.588027·数字对象标识代码：10.1109/34.588027
[25] doi:10.1016/j.patcog.2006.04.022·Zbl 1102.68628号 ·doi:10.1016/j.patcog.2006.04.022
[27] doi:10.1016/0165-0114（94）90242-9·doi:10.1016/0165-0114（94）90242-9
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。