[发明专利]一种基于IFCM、KNN和数据字典的集成TSK模糊分类器

摘要

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。

主权项

1.一种基于IFCM、KNN和数据字典的集成TSK模糊分类器，其特征在于：依次包括以下步骤：a)为每个子分类器从D_tr中随机抽样训练数据子集D₁,D₂,…,D_L，并且D₁∪D₂∪……∪D_L＝D_tr；b)并行训练L个零阶TSK模糊子分类器；c)对于验证数据集的每个样本，计算对应的每个输出函数F₁(x),F₂(x),…,F_L(x)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其中表示验证数据的增强特征集，从而生成增强验证数据集；d)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；e)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。