本文關鍵詞： 不平衡數據 分類 馬爾科夫蒙特卡洛 Takagi-Sugeno-Kang型模糊系統(tǒng)　出處：《自動化學報》2017年10期 　論文類型：期刊論文

【摘要】：處理不平衡數據分類時,傳統(tǒng)模糊系統(tǒng)對少數類樣本識別率較低.針對這一問題,首先,在前件參數學習上,提出了競爭貝葉斯模糊聚類(Bayesian fuzzy clustering based on competitive learning,BFCCL)算法,BFCCL算法考慮不同類別樣本聚類中心間的排斥作用,采用交替迭代的執(zhí)行方式并通過馬爾科夫蒙特卡洛方法獲得模型參數最優(yōu)解.其次,在后件參數學習上,基于大間隔的策略并通過參數調節(jié)使得少數類到分類面的距離大于多數類到分類面的距離,該方法能有效糾正分類面的偏移.基于上述思想以0階TSK型模糊系統(tǒng)為具體研究對象構造了適用于不平衡數據分類問題的0階TSK型模糊系統(tǒng)(0-TSK-IDC).人工和真實醫(yī)學數據集實驗結果表明,0-TSK-IDC在不平衡數據分類問題中對少數類和多數類均具有較高的識別率,且具有良好的魯棒性和可解釋性.
[Abstract]:When dealing with unbalanced data classification, the traditional fuzzy system has a low recognition rate for a few samples. In order to solve this problem, first of all, in the former part parameter learning, In this paper, the Bayesian fuzzy clustering based on competitive learning BFCCL (Bayesian fuzzy clustering based on competitive learning) algorithm is proposed, which takes into account the repulsive effect between different clustering centers. The optimal solution of model parameters is obtained by means of alternating iteration and Markov Monte Carlo method. Secondly, in the latter part parameter learning, Based on the large interval strategy and parameter adjustment, the distance between a few classes and the classification surface is larger than that between the majority class and the classification surface. This method can effectively correct the deviation of classification surface. Based on the above idea, a 0-order TSK fuzzy system for unbalanced data classification is constructed based on the above idea. The artificial and real medical numbers are obtained. According to the set experiment results, it is shown that the 0-TSK-IDC has a high recognition rate for a few classes and a large number of classes in the problem of unbalanced data classification. And it has good robustness and interpretability.
【作者單位】： 江南大學數字媒體學院;常州大學信息科學與工程學院;
【基金】：國家自然科學基金(61502058,61572085,61572236) 江蘇省自然科學基金資助(BK20160187) 中央高�；究蒲袠I(yè)務費專項資金資助項目(JUSRP51614A)資助~~
【分類號】：TP311.13

【相似文獻】

相關期刊論文 前10條

1 徐堅鋼;介紹一種數據分類快錄法[J];計算機系統(tǒng)應用;1995年03期

2 張黎黎;劉麗華;金水高;尹嶺;徐勇勇;;臨床醫(yī)學科學數據分類的探討[J];中國衛(wèi)生質量管理;2005年06期

3 孫笑微;;數據分類技術在高校人才識別系統(tǒng)中的應用[J];沈陽師范大學學報(自然科學版);2008年02期

4 陳湘來;顧玉萍;韓之俊;;馬田系統(tǒng)在數據分類中的應用[J];數學的實踐與認識;2010年08期

5 廖志芳;樊曉平;陳宇宙;廖志寧;瞿志華;;大腸癌診斷數據分類新算法研究[J];計算機工程與應用;2008年20期

6 蔣盛益;謝照青;余雯;;基于代價敏感的樸素貝葉斯不平衡數據分類研究[J];計算機研究與發(fā)展;2011年S1期

7 黃洪;劉增良;余達太;周紹華;;一種具有免疫特征的智能數據分類分級模型[J];兵工學報;2010年12期

8 楊盛苑;蔡照鵬;;數據分類在營銷策略中的應用研究[J];科技廣場;2013年05期

9 王熙章，吳薇，姚發(fā)芬;沙漠化災害監(jiān)測評價信息系統(tǒng)空間數據分類編碼研究[J];中國沙漠;1994年01期

10 盧致杰;;引入行為特征概念的海量圖像數據分類法研究[J];計算機仿真;2014年06期

相關會議論文 前1條

1 蔣盛益;謝照青;余雯;;基于代價敏感的樸素貝葉斯不平衡數據分類研究[A];2010年第16屆全國信息存儲技術大會（IST2010）論文集[C];2010年

相關重要報紙文章 前2條

1 EMC公司大中華區(qū)應用方案及咨詢部 李剛;數據分類促進存儲信息安全[N];通信產業(yè)報;2006年

2 ;數據分類：只是看起來簡單[N];網絡世界;2010年

相關博士學位論文 前1條

1 李俊林;可適應不良數據的數據分類若干方法研究[D];電子科技大學;2012年

相關碩士學位論文 前2條

1 楊康;基于多類別數據分類的演化超網絡研究[D];重慶郵電大學;2016年

2 馮丹;一種新的模糊規(guī)則權重方法的數據分類的研究[D];大連海事大學;2010年

，

本文編號：1501979