|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：传统模糊系统建模方法本质上是一种单视角学习模式，面向适合多视角处理的场景时，它们通常只能将每8 v6 V- t+ C5 j+ X p& i& R
一视角割裂开来进行独立建模，这导致其所得系统泛化性能往往不令人满意。针对此缺陷，该文探讨具备多视角学7 z$ [: ~# l2 ~/ M# k5 c
习能力的模糊系统建模方法。为此，基于经典的 L2 型 TSK 模糊系统，通过引入具备多视角学习能力的协同学习
1 K' w) A+ i& r% j# o+ d; e2 Z! v项，该文提出了核心的多视角 TSK 型模糊系统(MV-TSK-FS)建模方法。MV-TSK-FS 不仅能有效地利用各视角不0 |% R$ f3 _8 c" b' u
同特征构成的独立样本信息，还能充分地利用各视角间由于相互关联而存在内在信息，以最终达到提高系统泛化性
# v1 E8 t. S. Q, B' v能的效果。在模拟数据集与真实数据集上的实验结果验证了较之于传统单视角模糊建模方法该多视角模糊系统有着9 K/ A& z0 v' A8 `4 J; \. U6 d
更好的泛化性和适用性。
! {: v( I0 S+ E! D" j关键词：多视角学习；协同学习；模糊建模；TSK 型模糊系统. j* o) E+ y, ~
1 引言' U& N/ s4 O7 M" g% J& o
经典的哲学理论告诉我们多视角学习方法较之! `7 E- P: K7 [
/ T9 M$ j% Q% t3 |, b& T/ U8 j* k
* V* m1 S! l" B% E6 H/ ^+ J2 _
& n$ ^6 A! J" Y( v0 s" x
0 Y6 d) a r; k" z. O8 m; Y, A
1 c- `. R- a$ e, r" x附件下载：
( i) \, [4 X6 `% `2 W
) x4 Y% _8 J0 a" Y |
|
/1 
发表于 2021-4-14 11:10
收藏
淘帖
支持！
反对！