基于模糊子空间聚类的〇阶L2型TSK模糊系统.pdfVIP

第 37卷第 9期 电 子 与 信 息 学 报 Vo1．37NO．9 2015年 9月 JournalofElectronics＆InformationTechnology Sept．2015 基于模糊子空间聚类的。阶L2型 TSK模糊系统 邓赵红 张江滨 蒋亦樟 史荧中 王士同 (江南大学数字媒体学院 无锡 214122) 摘 要：经典数据驱动型 TSK(Takagi-Sugeno—Kang)模糊系统在获取模糊规则时，会考虑数据的所有特征空间， 其带来一个重要缺陷：如果数据的特征空间维数过高，则系统获取的模糊规则繁杂，使系统复杂度增加而导致解释 性下降。该文针对此缺陷，探讨了一种基于模糊子空间聚类的。阶L2型TSK模糊系统(FuzzySubspaceClustering basedzero—orderL2normTSKFuzzySystem，FSC一0一L2一TSK—FS)构建新方法。新方法构建的模糊系统不仅能缩 减模糊规则前件的特征空问，而且获取的模糊规则可对应于不同的特征子空间，从而具有更接近人类思维的推理机 制。模拟和真实数据集上的建模结果表明，新方法增强了面对高维数据所建模型的解释性，同时所建模型得到了较 之于一些经典方法更好或可比较的泛化性能。 关键词：Takagisugeno_Kang(TsK)模糊系统；医疗诊断；解释性；高维数据 中图分类号：TP391 文献标识码：A 文章编号：1009—5896(2015)09—2082—07 DOI：10．11999／JEIT150074 FuzzySubspaceClusteringBasedZero--orderL2--norm TSK Fu zzySystem DengZhao-·hong ZhangJiang-bin JiangYi--zhang ShiYing-zhong WangShi-·tong (School DigitalMedia，JiangnanUniversity，Wuxi214122，China) Abstract：TheclassicaldatadrivenTakagi—Sugeno—Kang(TSK)fuzzysystemconsidersallthefeaturesoftrained data，and facesachallengethattheinterpretationisdegeneratedandtheobtained fuzzyruleiscomplexwhen trained byhigh dimensionaldata．In thispaper，anew fuzzymodel，i．e．，Fu zzy SubspaceClusteringbased zero-orderL2一normTSKFuzzySystem (FSC一0一L2一TSK—FS)isproposedtoovercomethisdifficulty．Theproposed fuzzysystem notonlyreducesthefeaturespacesoftheruleofantecedent，butalsomakesdifferentrulesimplement theinferenceindifferentsubspaces．Theinferencemechanism oftheproposedfuzzymodeltrainingalgorithm is very similartotheinferenceprocedureofhuman．Theexperimentalstudiesonthesyntheticandrealdatasets provethattheinterpretation ofmodelconstructedby theproposed methodisenhancedwhentrained by high dimensionaldataand thegeneralizationperformanc