高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

具备视角协同学习能力的多视角TSK型模糊系统

程旸 顾晓清 蒋亦樟 杭文龙 钱鹏江 王士同

黄长强, 赵克新. 基于改进蚁狮算法的无人机三维航迹规划[J]. 电子与信息学报, 2018, 40(7): 1532-1538. doi: 10.11999/JEIT170961
引用本文: 程旸, 顾晓清, 蒋亦樟, 杭文龙, 钱鹏江, 王士同. 具备视角协同学习能力的多视角TSK型模糊系统[J]. 电子与信息学报, 2016, 38(8): 2054-2061. doi: 10.11999/JEIT151209
HUANG Changqiang, ZHAO Kexin. Three Dimensional Path Planning of UAV with Improved Ant Lion Optimizer[J]. Journal of Electronics & Information Technology, 2018, 40(7): 1532-1538. doi: 10.11999/JEIT170961
Citation: CHENG Yang, GU Xiaoqing, JIANG Yizhang, HANG Wenlong, QIAN Pengjiang, WANG Shitong. Multi-view TSK Fuzzy System via Collaborative Learning[J]. Journal of Electronics & Information Technology, 2016, 38(8): 2054-2061. doi: 10.11999/JEIT151209

具备视角协同学习能力的多视角TSK型模糊系统

doi: 10.11999/JEIT151209
基金项目: 

国家自然科学基金(61300151),江苏省自然科学基金 (BK20130155),江苏省产学研前瞻性联合研究项目(BY2013015- 02),中央高校基本科研业务费专项资金资助重点项目(JUSRP 51614A)

Multi-view TSK Fuzzy System via Collaborative Learning

Funds: 

The National Natural Science Foundation of China (61300151), The Natural Science Foundation of Jiangsu Province (BK20130155), The RD Frontier Grant of Jiangsu Province (BY2013015-02), The Fundamental Research Funds for the Central Universities (JUSRP51614A)

  • 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更好的泛化性和适用性。
  • LI Guangxia, CHANG Kuiyu, and HOI S C H. Multiview semi-supervised learning with consensus[J]. IEEE Transactions on Knowledge and Data Engineering, 2012, 24(11): 2040-2051. doi: 10.1109/TKDE.2011.160.
    HONG Chaoqun, YU Jun, YOU Jane, et al. Multi-view ensemble manifold regularization for 3D object recognition [J]. Information Sciences, 2015, 320: 395-405. doi: 10.1016/ j.ins.2015.03.032.
    ZHANG Shunli, YU Xin, SUI Yao, et al. Object tracking with multi-view support vector machines[J]. IEEE Transactions on Multimedia, 2015, 17(3): 265-278. doi: 10.1109/TMM. 2015.2390044.
    蒋亦樟, 邓赵红, 王骏, 等. 熵加权多视角协同划分模糊聚类算法[J]. 软件学报, 2014, 25(10): 2293-2311. doi: 10.13328/j. cnki.jos.004510.
    JIANG Yizhang, DENG Zhaohong, WANG Jun, et al. Collaborative partition multi-view fuzzy clustering algorithm using entropy weighting[J]. Journal of Software, 2014, 25(10): 2293-2311. doi: 10.13328/j.cnki.jos.004510.
    TZORTZIS G F and LIKAS A C. Multiple view clustering using a weighted combination of exemplar-based mixture models[J]. IEEE Transactions on Neural Network, 2010, 21(12): 1925-1938. doi: 10.1109/TNN.2010.2081999.
    JIANG Yizhang, CHUNG Fulai, WANG Shitong, et al. Collaborative fuzzy clustering from multiple weighted views[J]. IEEE Transactions on Cybernetics, 2015, 45(4): 688-701. doi: 10.1109/TCYB.2014.2334595.
    MERUGU S, ROSSET S, and PERLICH C. A new multi- view regression approach with an application to customer wallet estimation[C]. Proceedings of 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Philadelphia, USA, 2006: 656-661.
    DENG Zhaohong, JIANG Yizhang, CHOI Kupsze, et al. Knowledge-leverage-based TSK fuzzy system modeling[J]. IEEE Transactions on Neural Networks and Learning Systems, 2013, 24(8): 1200-1212. doi: 10.1109/FUZZ-IEEE. 2014.6891544.
    STRM K J and MCAVOY T J. Intelligent control[J]. Journal of Process Control, 1992, 2(3): 115-127.
    邓赵红, 张江滨, 蒋亦樟, 等. 基于模糊子空间聚类的〇阶L2型TSK模糊系统[J]. 电子与信息学报, 2015, 37(9): 2082-2088. doi: 10.11999/JEIT150074.
    DENG Zhaohong, ZHANG Jiangbin, JIANG Yizhang, et al. Fuzzy subspace clustering based zero-order L2-norm TSK fuzzy system[J]. Journal of Electronics Information Technology, 2015, 37(9): 2082-2088.
    TAKAGI T and SUGENO M. Fuzzy identification of systems and its application to modeling and control[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1985, 15(1): 116-132. doi: 10.1109/TSMC.1985.6313399.
    MAMDANI E H. Application of fuzzy logic to approximate reasoning using linguistic synthesis[J]. IEEE Transactions on Computers, 1977, 26(12): 1182-1191. doi: 10.1109/TC.1977. 1674779.
    AZEEM M F, HANMANDLU M, and AHMAD N. Generalization of adaptive neural-fuzzy inference systems[J]. IEEE Transactions on Neural Networks, 2000, 11(6): 1332-1346. doi: 10.1109/72.883438.
    JIANG Yizhang, CHUNG Fulai, and WANG Shitong. Enhanced fuzzy partitions vs data randomness in FCM[J]. Journal of Intelligent and Fuzzy Systems, 2014, 27(4): 1639-1648. doi: 10.3233/IFS-141130.
    ITO K and NAKANO R. Optimizing support vector regression hyperparameters based on cross-validation[C]. Proceedings of the International Joint Conference on Neural Networks, Jantzen Beach, Portland, Oregon, 2003: 2077-2082.
  • 期刊类型引用(23)

    1. 胡城,蔡延光,黄嘉铖,曾庆丰. 蚁狮优化算法研究综述. 自动化与信息工程. 2024(03): 1-10+15 . 百度学术
    2. 陈伟,杨盘隆,吴宣够. 改进蚁狮优化算法及其工程应用. 传感技术学报. 2023(04): 565-574 . 百度学术
    3. 郭家虎,时曼玉. 自适应可调节边界的蚁狮优化算法. 安徽理工大学学报(自然科学版). 2023(04): 1-9+18 . 百度学术
    4. 丁敏,夏兴宇,邹永杰,张乐,刘正堂. 基于改进蝴蝶优化算法的无人机3-D航迹规划方法. 南京航空航天大学学报. 2023(05): 851-858 . 百度学术
    5. 王博文,王培,徐鲁豫. 基于紧凑蚁狮算法的三维路径规划研究. 微电子学与计算机. 2023(08): 19-27 . 百度学术
    6. 韩统,汤安迪,周欢,徐登武,谢磊. 基于LASSA算法的多无人机协同航迹规划方法. 系统工程与电子技术. 2022(01): 233-241 . 百度学术
    7. 李彦苍,吴悦. 基于高斯变异的蚁狮算法及其在组合优化中的应用. 中国科技论文. 2022(03): 295-304 . 百度学术
    8. 张浩,覃涛,徐凌桦,王霄,杨靖. 改进多目标蚁狮算法的WSNs节点部署策略. 西安电子科技大学学报. 2022(05): 47-59 . 百度学术
    9. 来磊,吴德伟,邹鲲,韩昆,李海林. 基于多准则交互膜进化算法的UAV三维航迹规划. 系统工程与电子技术. 2021(01): 138-146 . 百度学术
    10. 马凯强,任利锋,曾喆,万剑华. 顾及恶劣海况的船舶救援路径规划. 海洋科学. 2021(05): 39-46 . 百度学术
    11. 来磊,邹鲲,吴德伟,李保中. 交互策略改进MOFA进化的多UAV协同航迹规划. 系统工程与电子技术. 2021(08): 2282-2289 . 百度学术
    12. 王沙沙,张则强,刘俊琦,陈凤. 多路径交互环形过道布置问题建模及改进蚁狮算法优化. 计算机集成制造系统. 2021(08): 2237-2247 . 百度学术
    13. 靳江锋,刘旭. 联合多核FCM和改进GOA的多无人机协同侦查航迹规划. 兵器装备工程学报. 2021(11): 181-188 . 百度学术
    14. 刘景森,霍宇,李煜. 优选策略的自适应蚁狮优化算法. 模式识别与人工智能. 2020(02): 121-132 . 百度学术
    15. 李庆华,尤越,沐雅琪,张钊,冯超. 一种针对大型凹型障碍物的组合导航算法. 电子与信息学报. 2020(04): 917-923 . 本站查看
    16. 李靖,杨帆. 基于改进灰狼优化算法的区域监测机器人路径规划. 科学技术与工程. 2020(15): 6122-6129 . 百度学术
    17. 孟德智,葛斌. 基于蜂窝分区的蚁狮优化自适应路由算法. 金陵科技学院学报. 2020(02): 17-23 . 百度学术
    18. 王茜,何庆,林杰,杨荣莹. 精英反向学习带扰动因子的混沌蚁狮算法. 智能计算机与应用. 2020(08): 51-57 . 百度学术
    19. 杨帆,方玺,高飞,谢良. 面向三维陷阱空间的改进RRT算法航迹规划. 武汉理工大学学报. 2020(10): 98-106 . 百度学术
    20. 黄长强. 未来空战过程智能化关键技术研究. 航空兵器. 2019(01): 11-19 . 百度学术
    21. 徐钦帅,何庆,魏康园. 改进蚁狮算法的无线传感器网络覆盖优化. 传感技术学报. 2019(02): 266-275 . 百度学术
    22. ZHANG Zhenxing,YANG Rennong,LI Huanyu,FANG Yuhuan,HUANG Zhenyu,ZHANG Ying. Antlion optimizer algorithm based on chaos search and its application. Journal of Systems Engineering and Electronics. 2019(02): 352-365 . 必应学术
    23. 边莉,何辉,杨彦方,刘文静. 基于改进型蚁狮算法的PID控制器参数优化. 吉林大学学报(信息科学版). 2019(03): 292-298 . 百度学术

    其他类型引用(23)

  • 加载中
计量
  • 文章访问数:  1564
  • HTML全文浏览量:  160
  • PDF下载量:  441
  • 被引次数: 46
出版历程
  • 收稿日期:  2015-10-29
  • 修回日期:  2016-03-15
  • 刊出日期:  2016-08-19

目录

    /

    返回文章
    返回