计算机科学与探索

作者：林得富，王骏，张嘉旭，应文豪，王士同

单位：1.江南大学 数字媒体学院，江苏 无锡 2141222.常熟理工学院 计算机科学与工程学院，江苏 常熟 215500

关键词：T-S模糊系统建模,公共特征选择,联合优化,ADMM算法

传统Takagi-Sugeno（T-S）模糊系统模型因模糊规则使用样本全部特征，导致模型的可解释性较差，冗余特征的存在还会导致模型的过拟合，降低模型的泛化性能。针对该问题，提出了一种模糊系统联合稀疏建模新方法L2-CFS-FIS（L2-common feature selection fuzzy inference systems），从而提高模型的泛化性能和可解释性。该方法充分考虑存在于模糊规则间的公共特征信息，同时引入模型过拟合处理机制，将模糊系统建模问题转化为一个基于双正则的联合优化问题，并使用交替方向乘子（alternating direction method of multipliers，ADMM）算法来进行求解。实验结果表明，该方法所构造的模糊系统不仅能够获得较为满意的泛化性能，而且通过有效地挖掘规则间重要的公共特征，可以确保模型具有较高的可解释性。

来源：2019年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第6期