检索结果-维普期刊中文期刊服务平台

增量式0阶TSK模糊分类器及鲁棒改进: 1; 作者李滔王士同《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2017年第10期1901-1911,共11页; 为了克服传统的分类器难以在具有令人满意的分类性能、快速的学习效率的同时兼顾高可解释性之不足,提出增量式0阶模糊分类器TSK-IFC0IRLS.该分类器通过使用增量式模糊聚类算法IFCM(c+p)对训练样本进行聚类,使用高斯隶属度函数将聚类结... 展开更多; 关键词增量式模糊聚类迭代重加权最小二乘法伪Huber函数 tsk模糊分类器鲁棒性; 在线阅读下载PDF 职称材料

基于迭代模糊聚类算法与K近邻和数据字典的集成TSK模糊分类器被引量：19: 2; 作者张雄涛蒋云良 +2 位作者潘兴广胡文军王士同《电子与信息学报》 EI CSCD 北大核心 2020年第3期746-754,共9页; 该文提出一种新型的集成TSK模糊分类器(IK-D-TSK),首先通过并行学习的方式组织所有0阶TSK模糊子分类器,然后每个子分类器的输出被扩充到原始(验证)输入空间,最后通过提出的迭代模糊聚类算法(IFCM)作用在增强验证集上生成数据字典,从而利... 展开更多; 关键词 tsk模糊分类器迭代模糊聚类算法数据字典可解释性; 在线阅读下载PDF 职称材料

高阶Takagi-Sugeno-Kang模糊知识蒸馏分类器及其在脑电信号分类中的应用: 3; 作者蒋云良印泽宗 +2 位作者张雄涛申情李华《智能系统学报》 CSCD 北大核心 2024年第6期1419-1427,共9页; 在脑电信号(electro encephalo gram,EEG)的分类检测任务中,低阶TSK(Takagi-Sugeno-Kang)模糊分类器的学习速度较快,但性能表现不理想,高阶TSK模糊分类器虽然具有较强的性能优势,但极其复杂的模糊规则后件严重影响模型的运行速度。为此... 展开更多; 关键词 tsk模糊分类器知识蒸馏高阶模糊隐藏知识脑电信号最小学习机癫痫运动想象模糊系统; 在线阅读下载PDF 职称材料

多尺度多粒度解耦蒸馏模糊分类器及其在癫痫脑电信号检测中的应用: 4; 作者蒋云良金森洋 +2 位作者张雄涛刘凯宁申情《计算机科学》 2025年第9期37-46,共10页; 在癫痫脑电信号检测任务中,深度学习方法具有强大的深度表达能力,但可解释性较差,Takagi-Sugeno-Kang(TSK)模糊分类器虽具备良好的基于模糊规则的可解释性,但其建模能力有限。为了更好地兼顾癫痫检测模型的性能与可解释性,提出了一种多... 展开更多; 关键词 tsk模糊分类器癫痫脑电信号检测多尺度多粒度知识蒸馏可解释性; 在线阅读下载PDF 职称材料

题名增量式0阶TSK模糊分类器及鲁棒改进: 1; 作者李滔王士同; 机构江南大学数字媒体学院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2017年第10期1901-1911,共11页; 基金国家自然科学基金资助项目(61170122 61272210) 江苏省自然科学基金资助项目(BK20130155); 文摘为了克服传统的分类器难以在具有令人满意的分类性能、快速的学习效率的同时兼顾高可解释性之不足,提出增量式0阶模糊分类器TSK-IFC0IRLS.该分类器通过使用增量式模糊聚类算法IFCM(c+p)对训练样本进行聚类,使用高斯隶属度函数将聚类结果映射到模糊子空间,使用迭代重加权最小二乘优化算法IRLS对模糊规则的后件参数进行学习.通过提出基于伪Huber函数的代价函数,它的鲁棒性改进版本TSK-IFC0PHub被提出来以提高分类器的抗噪能力.仿真实验表明,与FCPM-IRLS、RBF、ANFIS分类器相比,提出的2种模糊分类器均具有良好的分类性能及数据规模的可扩展性,TSK-IFC0PHub具有良好的鲁棒性.; 关键词增量式模糊聚类迭代重加权最小二乘法伪Huber函数 tsk模糊分类器鲁棒性; Keywords incremental fuzzy clustering iteratively reweighted least squares pseudo-Huber function tsk fuzzy classifier robustness; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于迭代模糊聚类算法与K近邻和数据字典的集成TSK模糊分类器被引量：19: 2; 作者张雄涛蒋云良潘兴广胡文军王士同; 机构江南大学数字媒体学院湖州师范学院信息工程学院贵州民族大学工程实训中心; 出处《电子与信息学报》 EI CSCD 北大核心 2020年第3期746-754,共9页; 基金国家自然科学基金(61572236,61300151,61772198,61771193) 中央高校基本科研业务费专项资金(JUDCF13030)~~; 文摘该文提出一种新型的集成TSK模糊分类器(IK-D-TSK),首先通过并行学习的方式组织所有0阶TSK模糊子分类器,然后每个子分类器的输出被扩充到原始(验证)输入空间,最后通过提出的迭代模糊聚类算法(IFCM)作用在增强验证集上生成数据字典,从而利用KNN对测试数据进行快速预测。IK-D-TSK具有以下优点:在IK-DTSK中,每个0阶TSK子分类器的输出被扩充到原始入空间,以并行方式打开原始(验证)输入空间中存在的流形结构,根据堆栈泛化原理,可以保证提高分类精度;和传统TSK模糊分类器相比,IK-D-TSK以并行方式训练所有的子分类器,因此运行速度可以得到有效保证;由于IK-D-TSK是在以IFCM&KNN所获得的数据字典的基础上进行分类的,因此具有强鲁棒性。理论和实验验证了模糊分类器IK-D-TSK具有较高的分类性能、强鲁棒性和高可解释性。; 关键词 tsk模糊分类器迭代模糊聚类算法数据字典可解释性; Keywords tsk fuzzy classifier Iterative Fuzzy C-Means(IFCM) clustering algorithm Dictionary data Interpretability; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名高阶Takagi-Sugeno-Kang模糊知识蒸馏分类器及其在脑电信号分类中的应用: 3; 作者蒋云良印泽宗张雄涛申情李华; 机构湖州师范学院信息工程学院浙江省现代农业资源智慧管理与应用研究重点实验室浙江师范大学计算机科学与技术学院浙江师范大学数理医学院; 出处《智能系统学报》 CSCD 北大核心 2024年第6期1419-1427,共9页; 基金国家自然科学基金项目(U22A20102,62376094) 浙江省“尖兵”“领雁”研发攻关计划项目(2023C01150).; 文摘在脑电信号(electro encephalo gram,EEG)的分类检测任务中,低阶TSK(Takagi-Sugeno-Kang)模糊分类器的学习速度较快,但性能表现不理想,高阶TSK模糊分类器虽然具有较强的性能优势,但极其复杂的模糊规则后件严重影响模型的运行速度。为此,提出一种基于负欧氏概率和高阶模糊隐藏知识迁移的新型TSK模糊蒸馏分类器(solved TSK-least learning machine-knowledge distillation classifier,STSK-LLM-KD)。首先,利用所提出的基于知识蒸馏的最小学习机(LLM-KD)对教师模型的后件参数进行快速求解并得到相应的负欧氏概率用于生成软标签;然后,通过计算软标签之间的Kullback-Leible散度提取教师模型的高阶模糊隐藏知识并迁移至低阶学生模型中,使模型性能优于高阶TSK模糊分类器的同时保持更快的训练速度。在运动想象脑电数据集和新德里HauzKhas癫痫脑电数据集上的实验结果充分验证了STSK-LLM-KD的优势,STSK-LLM-KD相较于其他模糊分类器表现更加优异,与深度知识蒸馏模型相比,STSK-LLM-KD能够更好地提升学生模型的性能。; 关键词 tsk模糊分类器知识蒸馏高阶模糊隐藏知识脑电信号最小学习机癫痫运动想象模糊系统; Keywords tsk fuzzy classifier knowledge distillation high-order fuzzy dark knowledge electro encephalo gram(EEG) least learning machine epilepsy motor imagery fuzzy system; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名多尺度多粒度解耦蒸馏模糊分类器及其在癫痫脑电信号检测中的应用: 4; 作者蒋云良金森洋张雄涛刘凯宁申情; 机构湖州师范学院信息工程学院; 出处《计算机科学》 2025年第9期37-46,共10页; 基金国家自然科学基金(62376094,U22A20102) 浙江省大学生科技创新活动计划项目(新苗人才计划)(2024R430B021)。; 文摘在癫痫脑电信号检测任务中,深度学习方法具有强大的深度表达能力,但可解释性较差,Takagi-Sugeno-Kang(TSK)模糊分类器虽具备良好的基于模糊规则的可解释性,但其建模能力有限。为了更好地兼顾癫痫检测模型的性能与可解释性,提出了一种多尺度多粒度解耦蒸馏模糊分类器(MMDD-TSK-FC)。首先,训练不同卷积核大小的一维卷积神经网络作为教师模型,目的是充分提取脑电信号在不同尺度上的特征信息;其次,将教师模型的输出结果软化生成软标签,最小化其与对应不同规则粒度TSK模糊分类器输出软标签之间的Kullback-Leible散度,以实现深度特征表示知识的有效迁移,同时最小化学生模型输出与真实标签的交叉熵损失;最后,通过投票法整合多个TSK模糊分类器的输出结果。同时,借由多粒度的TSK模糊分类器生成的多组由繁至简的IF-THEN规则,为模型检测依据提供可解释表达。在Bonn和新德里HauzKhas癫痫脑电数据集上的实验结果充分验证了MMDD-TSK-FC的优势,其相比经典TSK分类器提升了约5%的准确率,优于其他深度知识蒸馏模型约3%。; 关键词 tsk模糊分类器癫痫脑电信号检测多尺度多粒度知识蒸馏可解释性; Keywords Takagi-Sugeno-Kang fuzzy classifier Epileptic EEG signal detection Multi-scale Multi-granularity Knowledge distillation Interpretability; 分类号 TP391 [自动化与计算机技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	增量式0阶TSK模糊分类器及鲁棒改进	李滔王士同	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2017	0	在线阅读下载PDF 职称材料
2	基于迭代模糊聚类算法与K近邻和数据字典的集成TSK模糊分类器	张雄涛蒋云良潘兴广胡文军王士同	《电子与信息学报》 EI CSCD 北大核心	2020	19	在线阅读下载PDF 职称材料
3	高阶Takagi-Sugeno-Kang模糊知识蒸馏分类器及其在脑电信号分类中的应用	蒋云良印泽宗张雄涛申情李华	《智能系统学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	多尺度多粒度解耦蒸馏模糊分类器及其在癫痫脑电信号检测中的应用	蒋云良金森洋张雄涛刘凯宁申情	《计算机科学》	2025		在线阅读下载PDF 职称材料