具有强解释性的贝叶斯MA型模糊系统
来源期刊：控制与决策2018年第1期
论文作者：顾晓清 王士同 倪彤光 蒋亦樟
文章页码：16 - 26
关键词：分类;粒子滤波;贝叶斯推理;Mamdani-Assilan型模糊系统;
摘 要：提出用于规则前件学习的中心点交叉涌现的大间隔贝叶斯模糊聚类（CECLM-BFC）算法.考虑不同样本间聚类中心的排斥作用使得聚类中心间距最大化,并采用粒子滤波方法在不同类别样本中交替执行,自动求解出最优聚类结果,包括聚类数、模糊隶属度和聚类中心.在模糊规则后件参数学习上使用分类面大间隔的策略,以MA型模糊系统为研究对象构造具有强解释性的贝叶斯MA型模糊系统（BMA-FS）.实验结果表明,BMA-FS能够取得令人满意的分类性能,且模糊规则具有高度的解释性.
顾晓清1,2，王士同1，倪彤光2，蒋亦樟1
1. 江南大学数字媒体学院2. 常州大学信息科学与工程学院
摘 要：提出用于规则前件学习的中心点交叉涌现的大间隔贝叶斯模糊聚类（CECLM-BFC）算法.考虑不同样本间聚类中心的排斥作用使得聚类中心间距最大化,并采用粒子滤波方法在不同类别样本中交替执行,自动求解出最优聚类结果,包括聚类数、模糊隶属度和聚类中心.在模糊规则后件参数学习上使用分类面大间隔的策略,以MA型模糊系统为研究对象构造具有强解释性的贝叶斯MA型模糊系统（BMA-FS）.实验结果表明,BMA-FS能够取得令人满意的分类性能,且模糊规则具有高度的解释性.
关键词：分类;粒子滤波;贝叶斯推理;Mamdani-Assilan型模糊系统;
