自顶向下的模糊模式树(pattern tree top-down,PTTD)是一种基于相似性度量的模式树归纳方法,在构建过程中采用集束搜索策略,以贪婪方式搜索候选树空间,导致模型构建时间较长。为了解决这一问题,提出一种基于模糊规则插值技术的PTTD优化...自顶向下的模糊模式树(pattern tree top-down,PTTD)是一种基于相似性度量的模式树归纳方法,在构建过程中采用集束搜索策略,以贪婪方式搜索候选树空间,导致模型构建时间较长。为了解决这一问题,提出一种基于模糊规则插值技术的PTTD优化方法(PTTD-FRI)。首先,设计了一种新的搜索优化策略,简化了模型构建的搜索空间,构造稀疏规则库;然后,提出了一种模糊模式树规则转换方法,将复杂的模糊模式树拆分为多条仅包含三角范数的模糊规则,并用三角余范数聚合;最后,引入模糊规则插值模块,通过简单的计算,进一步完善规则库,提升分类性能。实验结果表明,PTTD-FRI在保持相近分类准确率的情况下,有效提升了模型训练效率,降低了模型复杂度。展开更多
文摘自顶向下的模糊模式树(pattern tree top-down,PTTD)是一种基于相似性度量的模式树归纳方法,在构建过程中采用集束搜索策略,以贪婪方式搜索候选树空间,导致模型构建时间较长。为了解决这一问题,提出一种基于模糊规则插值技术的PTTD优化方法(PTTD-FRI)。首先,设计了一种新的搜索优化策略,简化了模型构建的搜索空间,构造稀疏规则库;然后,提出了一种模糊模式树规则转换方法,将复杂的模糊模式树拆分为多条仅包含三角范数的模糊规则,并用三角余范数聚合;最后,引入模糊规则插值模块,通过简单的计算,进一步完善规则库,提升分类性能。实验结果表明,PTTD-FRI在保持相近分类准确率的情况下,有效提升了模型训练效率,降低了模型复杂度。
