公开(公告)号：CN110298382A

公开(公告)日：2019-10-01

申请号：CN201910445692.3

申请日：2019-05-27

Applicant: 湖州师范学院

Inventor： 蒋云良 ,  张雄涛 ,  梁荣华 ,  王瑞琴

IPC: G06K9/62

Abstract: 本发明公开了一种基于IFCM、KNN和数据字典的集成TSK模糊分类器，依次包括以下步骤：为每个子分类器从Dtr中随机抽样训练数据子集；并行训练L个零阶TSK模糊子分类器；对于验证数据集的每个样本，计算对应的每个输出函数的值并将其作为增强特征，将原始特征和增强特征合并，从而形成增强验证数据集；在增强验证数据集上调用IFCM算法后，生成代表性的中心点及其对应的标签，去掉增强特征，即得到数据字典；对于任何测试样本，利用KNN方法在数据字典上找到最近的k个点，基于投票策略，确定其类标。该分类方法具有较高的分类性能、强鲁棒性和高可解释性。

公开(公告)号：CN110298382B

公开(公告)日：2022-12-09

申请号：CN201910445692.3

申请日：2019-05-27

Applicant: 湖州师范学院

Inventor： 蒋云良 ,  张雄涛 ,  梁荣华 ,  王瑞琴

IPC: G06K9/62

Abstract: 本发明公开了一种基于IFCM、KNN和数据字典的集成TSK模糊分类器，依次包括以下步骤：为每个子分类器从Dtr中随机抽样训练数据子集；并行训练L个零阶TSK模糊子分类器；对于验证数据集的每个样本，计算对应的每个输出函数的值并将其作为增强特征，将原始特征和增强特征合并，从而形成增强验证数据集；在增强验证数据集上调用IFCM算法后，生成代表性的中心点及其对应的标签，去掉增强特征，即得到数据字典；对于任何测试样本，利用KNN方法在数据字典上找到最近的k个点，基于投票策略，确定其类标。该分类方法具有较高的分类性能、强鲁棒性和高可解释性。