×
霍米拉·沙帕拉斯特;埃格巴尔·曼苏里（Eghbal G.Mansoori）。

使用演化的type-1规则开发在线通用type-2模糊分类器。 （英语） Zbl 1468.68241号

国际J近似推理 113, 336-353 (2019).
概述：一般的2类模糊系统已被证明能够处理大多数实际应用中存在的更多级别的不确定性。然而，信息生成的快速增长不允许在复杂的学习过程中使用通用的2类模型。本文介绍了一种新型的在线通用2型模糊分类器（oGT2FC）。它旨在减少获得2类模糊集所需的计算。与大多数在线和进化模糊方案一样，oGT2FC中的初始规则库是空的，然后以完全在线的方式生成模糊规则；不储存样品。为了指定2类模糊集，oGT2FC使用一些专家的意见，从训练数据中提取，自动生成一些不同的1类模糊规则库。这些1类规则库由传入的新样本更新/演变，并用于构建一般2类模型。通过将类型2模糊集定义为垂直切片的并集，oGT2FC以快速有效的方式执行类型约简。通过与其他2类和1类进化模糊分类器以及一些最先进的增量算法进行比较，使用合成数据流和真实数据流对所提出的oGT2FC的效率进行了实验评估。此外，oGT2FC在建模不确定性方面与一些模糊分类器进行了比较。

引用于6文件

MSC公司：

68层37 人工智能背景下的不确定性推理

关键词：

1型模糊分类器;区间2型模糊模型;通用2型模糊分类器;垂直切片

软件：

帕伽索斯;农业部
PDF格式BibTeX公司 XML格式引用
\textit｛H.Shahparast｝和\textit｛E.G.Mansoori｝，Int.J.近似推理113336--353（2019；兹bl 1468.68241）
全文： 内政部

参考文献：

[1] Gama，J.，《数据流中的知识发现》（2011），查普曼和霍尔/CRC：查普曼与霍尔/CRC伦敦·Zbl 1230.68017号
[2] Widmer，G。；Kubat，M.，《在概念漂移和隐藏背景下学习》，马赫。学习。，23, 1, 69-101 (1996)
[3] Angelov，P.，《从数据流到实时知识的自主学习系统》（2012），John Wiley and Sons：John Willey and Sons West Sussex，英国
[4] 哈格拉斯，H。；医生，F。；卡拉汉，V。；Lopez，A.，环境智能环境中2型模糊嵌入式代理的增量自适应终身学习方法，IEEE Trans。模糊系统。，15, 1, 41-55 (2007)
[5] Shahparast，H。；Hamzeloo，S。；Zolghadri Jahromi，M.，《数据流的自调整模糊规则分类器》，《国际不确定性杂志》。模糊知识-基于系统。，22, 2, 293-304 (2014)
[6] 卡尼克，N.N。；孟德尔，J.M。；Liang，Q.，第2类模糊逻辑系统，IEEE Trans。模糊系统。，7, 6, 643-658 (1999)
[7] 扎德，L.A.，语言变量的概念及其在近似推理中的应用，信息科学。，8, 3, 199-249 (1975) ·兹伯利039.78071
[8] 孟德尔，J.M。；Bob John，R.I.，《简化的2类模糊集》，IEEE Trans。模糊系统。，10, 2, 117-127 (2002)
[9] 布查奇亚，A。；Vanaret，C.，GT2FC：在线增长区间2型自学习模糊分类器，IEEE Trans。模糊系统。，22, 4, 999-1018 (2014)
[10] 普拉塔马，M。；卢，J。；Zhang，G.，进化型2模糊分类器，IEEE Trans。模糊系统。，24, 3, 574-589 (2015)
[11] 普拉塔马，M。；卢，J。；Lughofer，E。；张，G。；Anavatti，S.，《概念漂移下增量学习的支架式2型分类器》，神经计算，191，C，304-329（2016）
[12] 卢卡斯，洛杉矶。；森特诺，T.M。；Delgado，M.R.，基于一般2类模糊分类器的土地覆盖分类，国际模糊系统杂志。，10, 3, 207-216 (2008)
[13] Mizumoto，M。；Tanaka，K.，类型2模糊集的一些性质，Inf.Control，31，4，312-340（1976）·Zbl 0331.02042号
[14] 孟德尔，J.M。；刘，F。；翟，D.，《2型模糊集的（α）平面表示：理论与应用》，IEEE Trans。模糊系统。，17, 5, 1189-1207 (2009)
[15] 卢卡斯，洛杉矶。；森特诺，T.M。；Delgado，M.R.，《一般类型2模糊推理系统：分析、设计和计算方面》，（IEEE模糊系统国际会议论文集，IEEE国际模糊系统会议论文集（2007年），英国伦敦）
[16] 沙帕拉斯特，H。；Mansoori，E.G。；Zolghadri Jahromi，M.，AFCGD：基于梯度下降的自适应模糊分类器，软计算。(2018)
[17] Shahparast，H。；Mansoori，E.G.，《带漂移数据流分类的在线模糊模型》，（人工智能和信号处理会议，人工智能和信息处理会议，AISP（2017），设拉子：伊朗设拉子），91-95
[18] Bouchachia，A。；Mittermeir，R.，走向增量模糊分类器，软计算。，11, 2, 193-207 (2007)
[19] Tan，W.W。；Foo，C.L。；Chua，T.W.，ECG心律失常分类的2类模糊系统，（IEEE国际模糊系统会议，IEEE国际fuzzy Systems会议，英国伦敦（2007））
[20] Bifet，A。；霍姆斯，G。；柯克比，R。；Pfahringer，B.，MOA：大规模在线分析，J.Mach。学习。决议，99，1601-1604（2010）
[21] Harries，M.，《Splice-2比较评估：电价》（1999），南方大学：南威尔士大学，技术报告
[22] 张，K。；风扇，W。；袁，X。；戴维森，I。；Li，X.，《预测偏倚随机臭氧日：分析和解决方案》（ICDM’06第六届国际数据挖掘会议论文集（2006））
[23] Katakis，I。；Tsoumakas，G。；Banos，E。；北巴西利亚德斯。；弗拉哈瓦斯，I.，《自适应个性化新闻传播系统》，J.Intell。信息系统。，32, 2, 191-212 (2009)
[24] 伊利奥贝特。；Bifet，A。；霍姆斯，G。；Pfahringer，B.，MOA流式数据概念漂移主动学习策略，（第二次研讨会论文应用模式分析（2011））
[25] Hulten，G。；斯宾塞，L。；Domingos，P.，《挖掘时变数据流》（《第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集》，《第七次ACM SIG KDD知识探索和数据挖掘会议论文集，KDD-2001，加利福尼亚州旧金山》（2001））
[26] 贾马，J。；梅达斯，P。；卡斯蒂略，G。；Rodrigues，P.，《漂移检测学习》（SBIA巴西人工智能研讨会（2004））·兹比尔1105.68376
[27] 沙列夫·施瓦茨，S。；辛格，Y。；北斯雷布罗。；Cotter，A.，Pegasos:SVM的原始估计子梯度解算器，数学。程序。，127, 1, 3-30 (2011) ·Zbl 1211.90239号
[28] Wang，H。；风扇，W。；余，P.S。；Han，J.，《使用集成分类器挖掘概念驱动数据流》，（第九届ACM知识发现和数据挖掘国际会议，第九届AIM知识发现与数据挖掘国际大会，SIGKDD，华盛顿特区，美国（2003））
[29] 佩洛索夫，R。；琼斯，M。；沃夫沙，I。；Rudin，C.，在线坐标提升，（2009年IEEE第十二届国际计算机视觉研讨会（ICCV研讨会）（2010年），京都：日本京都）
[30] 北大街。；Kim，Y.，用于大规模分类的流集成算法SEA（第七届ACM SIGKDD国际知识发现和数据挖掘会议论文集（2001））
[31] Minku，L.L。；怀特，A.P。；Yao，X.，在漂移的存在概念下，多样性对在线集成学习的影响，IEEE Trans。知识。数据工程师，22，5730-742（2010年5月）
[32] R.Elwell。；Polikar，R.，非平稳环境中概念漂移的增量学习，IEEE Trans。神经网络。，22, 10, 1517-1531 (2011)
[33] Minku，L.L。；Yao，X.，DDD：处理漂移的新集成方法，IEEE Trans。知识。数据工程师，242619-633（2012年4月）
[34] 普拉塔马，M。；阿纳瓦蒂，S.G。；Joo，M。；Lughofer，E.，pClass:流示例的有效分类器，IEEE Trans。模糊系统。，23, 2, 369-386 (2015)
[35] Subramanian，K。；苏雷什，S。；Sundararajan，N.，序列分类系统的元认知神经模糊推理系统（McFIS），IEEE Trans。模糊系统。，21, 6, 1080-1095 (2013)
[36] 普拉塔马，M。；Er，M.J。；阿纳瓦蒂，S.G。；Lughofer，E。；Wang，N。；Arifin，I.，一种新的基于元认知的脚手架分类器，用于序列非平稳分类问题，（IEEE模糊系统国际会议，IEEE国际模糊系统会议，FUZZ-IEEE，中国北京（2014））
[37] 普拉塔马，M。；阿纳瓦蒂，S.G。；Lu，J.，基于增量元认知脚手架算法的递归分类器，IEEE Trans。模糊系统。，23, 6, 2048-2066 (2015)
[38] Demsar，J.，多数据集分类器的统计比较，J.Mach。学习。研究，7，1-30（2006）·Zbl 1222.68184号
[39] 伊科诺莫夫斯卡，E。；贾马，J。；Díeroski，S.，从不断演变的数据流中学习模型树，data Min.Knowl。发现。，23, 1, 128-168 (2011) ·Zbl 1235.68158号
[40] 普拉塔马，M。；佩德里茨，W。；Lughofer，E.，进化集成模糊分类器，IEEE Trans。模糊系统。，26, 5, 2552-2567 (2018)
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。