高明;夏洪;克里斯·哈里斯。 用于分类的统一神经模糊模型。 (英语) Zbl 1317.62055号 国际期刊系统。科学。,普林克。申请。系统。集成。 45,第10号,2158-2171(2014). 摘要:本文提出了一种统一的神经模糊建模方案。首先,初始模糊基构建方法基于模糊聚类,利用高斯混合模型(GMM)结合协方差分析(ANOVA)分解,以获得输入特征子空间上更紧凑的单变量和双变量隶属函数。高斯隶属函数的均值和协方差由期望最大化(EM)算法求得,其优点是揭示了系统输入的潜在密度分布。由此产生的隶属函数集构成了广义模糊模型(GFM)推理机的基础。该神经模糊模型的模型结构和参数通过监督子空间正交最小二乘(OLS)学习进行识别。最后,不是按照惯例提供确定性类别标签作为模型输出,而是应用逻辑回归模型来呈现分类器的输出,其中s型逻辑传递函数将神经模糊模型的输出缩放为类别概率。实验验证结果证明了所提出的神经模糊建模方案的有效性。 理学硕士: 62H30型 分类和区分;聚类分析(统计方面) 68T05年 人工智能中的学习和自适应系统 92秒20 生物研究、人工生命和相关主题中的神经网络 关键词:神经模糊建模;高斯混合模型;子空间隶属函数;规则简化 软件:PRMLT公司;UCI-毫升 PDF格式BibTeX公司 XML格式引用 \textit{M.Gao}等人,国际期刊系统。科学。,普林克。申请。系统。集成。45,第10号,2158--2171(2014;Zbl 1317.62055) 全文: 内政部 参考文献: [1] 内政部:10.1109/91.618273·数字对象标识代码:10.1109/91.618273 [2] DOI:10.1016/S0888-613X(02)00076-2·Zbl 1033.68113号 ·doi:10.1016/S0888-613X(02)00076-2 [3] 内政部:10.1109/72.883438·数字对象标识代码:10.1109/72.883438 [4] Bertsekas D.P.,非线性规划,2。编辑(1999)·Zbl 1015.90077号 [5] 内政部:10.1007/978-1-4757-0450-1·doi:10.1007/978-1-4757-0450-1 [6] Bishop C.M.,模式识别和机器学习(2006)·Zbl 1107.68072号 [7] Brown M.,神经模糊自适应建模与控制(1994) [8] DOI:10.1109/TSMCB.2004.831160·doi:10.1109/TSMCB.2004.831160 [9] Dempster A.P.,《皇家统计学会杂志》。B 39第1页–(1977年) [10] 内政部:10.1080/01969727308546046·Zbl 0291.68033号 ·网址:10.1080/01969727308546046 [11] Elomaa T.,《机器学习》,第36页,201–(1999) [12] Frank A.,UCI机器学习库(2010) [13] DOI:10.10109/模糊.2004.841728·doi:10.1109/TFUZZ.2004.841728 [14] 内政部:10.1109/3477.775275·doi:10.1109/3477.775275 [15] 内政部:10.1109/91.928739·数字对象标识代码:10.1109/91.928739 [16] DOI:10.1007/978-3-642-18242-6·兹比尔1005.68048 ·doi:10.1007/978-3-642-18242-6 [17] DOI:10.1049/ip-cta:20010704·doi:10.1049/ip-cta:20010704 [18] DOI:10.10109/年2月21日,邮编:31959·doi:10.1109/TNN.2002.1031959 [19] 内政部:10.1109/TFUZZ.2003.814842·doi:10.10109/TFUZZ.2003.814842 [20] DOI:10.1049/ip-cta:20030311·doi:10.1049/ip-cta:20030311 [21] 内政部:10.1002/0471722146·doi:10.1002/0471722146 [22] 内政部:10.1007/3-540-36970-8_43·doi:10.1007/3-540-36970-843 [23] DOI:10.1016/S0020-7373(80)80050-2·doi:10.1016/S0020-7373(80)80050-2 [24] 内政部:10.1006/ijhc.1973.0303·doi:10.1006/ijhc.1973.0303 [25] Mangasarian O.L.,SIAM News 23 pp 1–(1990) [26] Murray-Smith R.,建模和控制的多模型方法(1997) [27] DOI:10.1016/S0165-0114(97)00009-2·doi:10.1016/S0165-0114(97)00009-2 [28] DOI:10.10109/91.94965·doi:10.1109/91.940965 [29] 内政部:10.1109/4235.873236·doi:10.1109/4235.873236 [30] 内政部:10.1109/3477.678632·数字对象标识代码:10.1109/3477.678632 [31] 内政部:10.1109/91.873575·数字对象标识代码:10.1109/91.873575 [32] 内政部:10.1109/91.755393·doi:10.10109/91755933 [33] DOI:10.1214/aos/1031594728·Zbl 0924.62036号 ·doi:10.1214/aos/1031594728 [34] 内政部:10.1109/TSMC.1985.6313399·Zbl 0576.93021号 ·doi:10.1109/TSMC.1985.6313399 [35] 内政部:10.1109/TFUZZ.2002.805880·doi:10.1109/TFUZZ.2002.805880 [36] 内政部:10.1109/3477.740163·doi:10.1009/3477.740163 [37] 内政部:10.1109/3477.740162·doi:10.1109/3477.740162 [38] DOI:10.1016/S0019-9958(65)90241-X·Zbl 0139.24606号 ·doi:10.1016/S0019-9958(65)90241-X 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。