×
蒋艺章;邓兆红;Kup-Sze Choi;福莱钟;王世通

一种新的多任务TSK模糊分类器及其增强版本，用于标记风险感知的多任务分类。 （英语） Zbl 1427.68266号

信息科学。 357, 39-60 (2016).
小结：虽然高木胜康（TSK）模糊系统已广泛应用于回归，但本文的目的是揭示其分类潜力，尤其是多任务分类潜力。首先，提出了一种新的TSK模糊分类器（TSK-FC），将大边缘准则集成到目标函数中进行模式分类。在涉及多个任务的情况下，研究表明，同时学习这些任务比单独学习它们能产生更好的效果。在这方面，通过使用称为MT-TSK-FC的多任务TSK模糊分类器，利用TSK-FC的功能进行多任务学习。MT-TSK-FC是一种不仅使用每个任务的独立样本信息，而且使用任务间相关性信息来提高分类性能的机制。然而，随着任务数量的增加，学习过程容易出现标记风险，这可能导致模式分类性能的显著下降。为了降低风险，提出了一种标签风险感知机制来提高MT-TSK-FC的性能，从而导致了标签风险感知多任务TSK模糊分类器LRA-MT-TSK-FC的开发。由于所提出的三个模糊分类器TSK-FC、MT-TSK-FC和LRA-MT-TSK-FC都可以通过求解相应的QP问题来实现，因此可以保证全局最优解。在多任务合成和真实图像数据集上进行了实验，全面验证了分类器的有效性。

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
62H30型 分类和区分；聚类分析（统计方面）
62小时86 多元分析与模糊性

关键词：

TSK模糊系统;分类;大利润;多任务学习;标签风险;标记风险意识机制
PDF格式BibTeX公司 XML格式引用
\textit{Y.Jiang}等人，《信息科学》。357、39-60（2016年；Zbl 1427.68266）
全文： 内政部

参考文献：

[1] 阿卜迪，H。；Williams，L.J.，主要成分分析，Wiley Interdiscip。版本：计算。统计，2，4，433-459（2010年）
[2] Babuska，R.，《控制的模糊建模》（1998），Kluwer:Kluwer Boston，MA
[3] Bezdek，J.C。；Keller，J。；Krishnapuram，R.，《模式识别和图像处理的模糊模型和算法》（1999），Kluwer学术出版社：Kluwer-学术出版社，旧金山·Zbl 0998.68138号
[4] Chuang，C.C。；苏，S.F。；Chen，S.S.，带离群值函数逼近的稳健TSK模糊建模，IEEE Trans。模糊系统。，9, 6, 810-821 (2001)
[5] Chang，P.C。；Fan，C.Y.，《股票价格预测中集成小波和TSK模糊规则的混合系统》，IEEE Trans。系统。人类网络。，C部分，38，6，802-815（2008）
[6] Caruana，R.，多任务学习，马赫。学习。，28, 1, 41-75 (1997)
[7] 科尔特斯，C。；Vapnik，V.，支持向量网络，马赫。学习。，20, 3, 273-297 (1995) ·Zbl 0831.68098号
[8] 邓，Z.H。；Choi，K.S。；Chung，F.L。；Wang，S.T.，使用最小包围球近似的超大数据集的可伸缩TSK模糊建模，IEEE Trans。模糊系统。，19, 2, 210-226 (2011)
[9] 邓，Z.H。；江义忠。；Choi，K.S。；Chung，F.L。；Wang，S.T.，基于知识杠杆的TSK模糊系统建模，IEEE Trans。神经网络。学习。系统。，24, 8, 1200-1212 (2013)
[10] 杜达，R。；哈特，P。；Stork，D.，模式分类（2000），威利：威利纽约
[11] Evgeniou，T。；Pontil，M.，正则化多任务学习（第十届ACM SIGKDD国际知识发现和数据挖掘会议论文集（2004）），109-117
[12] 风机，R.E。；Chen，P.H。；Lin，C.J.，使用二阶信息训练支持向量机的工作集选择，J.Mach。学习。1889-1918年第6号决议（2005年）·兹比尔1222.68198
[13] 俄亥俄州Guenouou。；Belmehdi，A。；Dahhou，B.，TSK模糊模型的多目标优化，专家系统。申请。，36, 4, 7416-7423 (2009)
[14] 格罗斯曼，D。；Domingos，P.，通过最大化条件似然学习贝叶斯网络分类器，（第二十届第一届机器学习国际会议论文集（2004）），46
[15] 霍夫曼，F。；Nelles，O.，使用遗传编程进行TSK-模糊系统的结构识别(会议记录IPMU 2000，西班牙马德里（2000）），438-445
[16] 伊藤，K。；Nakano，R.，基于交叉验证优化支持向量回归超参数，（国际神经网络联合会议论文集（2003）），2077-2082
[17] Juang，C.F。；谢长东，基于TS模糊系统的支持向量回归，模糊集系统。，160, 17, 2486-2504 (2009) ·Zbl 1191.68506号
[18] Juang，C.F。；Chiu，S.H。；Shiu，S.J.，通过模糊聚类和支持向量机学习的模糊系统用于人类肤色分割，IEEE Trans。系统。人类网络。，37, 6, 1077-1087 (2007)
[19] Jang，J.-S.R.，ANFIS：基于自适应网络的模糊推理系统，IEEE Trans。系统。人类网络。，23, 3, 665-685 (1993)
[20] Juang，C.F.，通过神经网络和遗传算法处理动态系统的TSK型递归模糊网络，IEEE Trans。模糊系统。，10, 2, 155-170 (2002)
[21] Ji，Y.先生。；Sun，S.，多任务多类支持向量机：模型和实验，模式识别。，46, 3, 914-924 (2013) ·Zbl 1254.68209号
[22] Lee，C。；赖，W。；Lin，Y.，用于动态系统辨识的TSK型模糊神经网络系统，（IEEE-CDC（2003）论文集），4002-4007
[23] Leski，J.，基于ε-不敏感学习的TSK-模糊建模，IEEE Trans。模糊系统。，13, 2, 181-193 (2005)
[24] Li，G.等人。；Chang，K。；Hoi，S.C.H.，多视角半监督共识学习，IEEE Trans。知识。数据工程，2040-2051年11月24日（2012年）
[25] 米库特，R。；伯迈斯特，O。；Groll，L。；Reischl，M.，一类特殊时变系统的Takagi-Sugeno-Kang模糊分类器，IEEE Trans。模糊系统。，16, 4, 1038-1049 (2008)
[26] Mendez，G.M.，使用混合训练方法RLS-BP的区间1型非单精度2型TSK模糊逻辑系统，软计算进展：使用软计算技术的智能系统分析和设计，36-44（2007），Springer
[27] 门德斯，G.M。；Hernández，M.A.，区间A2-C1型-2非单精度2型Takagi-Sugeno-Kang模糊逻辑系统的混合学习机制，信息科学。，220, 20, 149-169 (2013)
[28] 奥利瓦，A。；Torralba，A.，《场景形状建模：空间包络线的整体表示》，《国际计算机杂志》。视觉。，42, 3, 145-175 (2001) ·Zbl 0990.68601号
[29] 帕帕达基斯，S.E。；Theocharis，J.B.，生成TSK模型的基于遗传算法的模糊建模方法，模糊集系统。，131, 121-152 (2002) ·Zbl 1010.93500号
[30] Parameswaran，S。；Weinberger，K.Q.，《大幅度多任务度量学习》（神经信息处理系统进展论文集（2010）），1867-1875
[31] 秦，Z.K。；任奇。；莱昂内尔，B。；Marek，B.，基于减法聚类的TSK模糊系统机器人关节摩擦识别，（北美模糊信息处理协会年会，密苏里州（2008）），1-6
[32] Sun，S.，基于EEG生物特征的多任务学习，（第19届模式识别国际会议论文集（2008）），1-4
[33] Takagi，T。；Sugeno，M.，系统的模糊识别及其在建模和控制中的应用，IEEE Trans。系统。人类网络。，15, 1, 116-132 (1985) ·Zbl 0576.93021号
[34] 唐，A.M。；奎克，C。；Ng，G.S.，GA-TSKfnn：使用遗传算法调整模糊神经网络的参数，专家系统。申请。，29, 769-781 (2005)
[35] Tan，W.W。；Foo，C.L。；Chua，T.W.，ECG心律失常分类的2类模糊系统(IEEE国际会议录模糊系统会议，英国伦敦（2007），859-864
[36] 陶建伟。；Chung，K.F.L。；Wang，S.T.，关于域自适应的最小分布差异支持向量机，模式识别。，45, 11, 3962-3984 (2012) ·Zbl 1242.68252号
[37] 甄子丹，J。；Wang，L。；Gillespie，C.W.，《通过结合全局学习和局部学习提高TSK模糊模型的可解释性》，IEEE Trans。模糊系统。，6, 4, 530-537 (1998)
[38] 袁晓东。；Yan，S.，多任务联合稀疏表示的视觉分类，（IEEE计算机学会计算机视觉和模式识别会议论文集（2010）），3493-3500
[39] 周，S.-M。；Gan，J.Q.，通过语言修饰语的正则化提取具有可解释子模型的Takagi-Sugeno模糊规则，IEEE Trans。知识。数据工程，21，8，1191-1204（2009）
[40] 赵伟强。；李凯。；Irwin，G.W.，模糊神经模型局部学习的一种新的梯度下降方法，IEEE Trans。模糊系统。，21, 1, 30-44 (2013)
[41] Sanchez，医学硕士。；O.卡斯蒂略。；Castro，J.R.，通过基于不确定性信息的概念形成信息颗粒，具有区间2型模糊集表示和用杜鹃搜索优化的Takagi-Sugeno-Kang结果，应用。软计算。，27, 602-609 (2015)
[42] 梅林，P。；Castillo，O.，《2型模糊逻辑在聚类、分类和模式识别中的应用综述》，应用。软计算。，21, 568-577 (2014)
[43] Sanchez，医学硕士。；O.卡斯蒂略。；卡斯特罗，J.R。；Melin，P.，多元数据的模糊粒度引力聚类算法，信息科学。，279, 498-511 (2014) ·Zbl 1359.62278号
[44] 卡斯蒂略，O。；卡斯特罗，J.R。；梅林，P。；Díaz，A.R.，区间2型模糊神经网络在非线性识别和时间序列预测中的应用，软计算。，18, 6, 1213-1224 (2014)
[45] 邓，Z。；Choi，K.-S。；姜瑜。；Wang，S.，广义隐映射岭回归，神经网络的知识杠杆归纳迁移学习，模糊系统和核方法，IEEE Trans。赛博。，44, 2, 2585-2599 (2014)
[46] 姜瑜。；Chung，F.L。；Ishibuchi，H.，挖掘任务间公共隐藏结构的多任务TSK模糊系统建模，IEEE Trans。赛博。，45, 3, 548-561 (2015)
[47] 埃尔卡诺，M。；加拉尔，M。；Sanz，J.，《增强FARC-HD模糊分类器中的多类分类：关于n维重叠函数和分解策略之间的协同作用》，IEEE Trans。模糊系统。，23, 5, 1562-1580 (2014)
[48] Qun，R。；Baron，L。；Balazinski，M.，使用减法聚类的2类Takagi-Sugeno-Kang模糊逻辑建模，（北美模糊信息处理协会年会论文集，NAFIPS（2006）），120-125
[49] 郑庚。；王，J。；周，W。；Zhang，Y.，区间类型2模糊集之间的相似性度量，（2010年IEEE机电一体化与自动化国际会议论文集，ICMA 2010（2010）），191-195
[50] 阿尔卡拉-费德兹，J。；阿尔卡拉，R。；Herrera，F.，一种基于模糊关联规则的分类模型，用于具有遗传规则选择和横向调整的高维问题，IEEE Trans。模糊系统。，19, 5, 857-872 (2011)
[51] 法佐拉里，M。；阿尔卡拉，R。；Herrera，F.，一种基于模糊离散化的学习粒度的多目标进化方法，用于提高基于模糊规则的分类系统的准确性和复杂性权衡：D-MOFARC算法，应用。软计算。，2470-481（2014年）
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。