基于极速学习的Choquet模糊积分分类器

doi:10.3969/j.issn.1000-1565.2019.04.001

河北大学学报(自然科学版) ›› 2019, Vol. 39 ›› Issue (4): 337-341.DOI: 10.3969/j.issn.1000-1565.2019.04.001

• • 下一篇

基于极速学习的Choquet模糊积分分类器

陈爱霞,张春琴

收稿日期:2018-04-27 出版日期:2019-07-25 发布日期:2019-07-25
作者简介:陈爱霞(1982—),女,河北宁晋人,河北大学讲师,主要从事不确定信息处理方向研究. E-mail:aixia_chen@163.com
基金资助:
国家自然科学基金资助项目(61672205);河北省教育厅青年基金资助项目(QN2018161)

Choquet fuzzy integral classifier based on extreme learning machine

CHEN Aixia,ZHANG Chunqin

Key Laboratory of Machine Learning and Computational Intelligence of Hebei Province, College of Mathematics and Information Science, Hebei University, Baoding 071002, China

Received:2018-04-27 Online:2019-07-25 Published:2019-07-25

摘要/Abstract

摘要： 在交互环境下,模糊积分分类器具有良好的分类性能.如何确定在属性集幂集上定义的模糊测度是模糊积分分类器中的一个关键问题.当属性的个数增加时,计算复杂度呈指数级增长.为了解决这一问题,借鉴极速学习机算法中权重向量随机确定的思想,提出了ELM-Choquet模糊积分分类器.实验结果表明,和Choquet模糊积分分类器相比,该算法具有较优的分类性能.

关键词: 模糊测度, 模糊积分, Choquet模糊积分, 极速学习机, 遗传算法

Abstract: In the interactive environments,fuzzy integral classifier has shown its good classification performance. A key problem in the fuzzy integral classifier is to determine the fuzzy measure defined in the power set of attributes. The computational complexity increases exponentially as the number of attributes increases. In order to solve the problem, drawing lessons from the idea of random determination of weight vector in extrem learning machine algorithm, this paper puts forward an ELM-Choquet fuzzy integral classifier. The experiment result shows that compared with the Choquet fuzzy integral classifier, this algorithm has better classification performance.

Key words: fuzzy measure, fuzzy integral, Choquet fuzzy integral classifier, extreme learning machine, genetic algorithm

中图分类号:

TP18

陈爱霞,张春琴. 基于极速学习的Choquet模糊积分分类器[J]. 河北大学学报(自然科学版), 2019, 39(4): 337-341.

CHEN Aixia,ZHANG Chunqin. Choquet fuzzy integral classifier based on extreme learning machine[J]. Journal of Hebei University (Natural Science Edition), 2019, 39(4): 337-341.

参考文献

[1] HUANG G B, ZHU Q Y, SIEW C K.Extreme learning machine:a new learning scheme of feedforward neural networks[Z].Proceedings of International Joint Conference on Neural Networks, 2004, Budapest, Hungary.DOI:10.1109/IJCNN.2004.1380068.
[2] HUANG G B,ZHU Q Y,SIEW C K.Extreme learning machine:theory and applications[J].Neurocomputing,2006,70(1/2/3):489-501.DOI:10.1016/j.neucom.2005.12.126.
[3] DENG C W,HUANG G B, XU J, et al.Extreme learning machines:new trends and applications[J].Science China Information Science, 2015, 58(2):1-16.DOI:10.1007/s11432-014-5269-3.
[4] CHEN L J, HONEINE P, QU H, et al.Correntropy-based robust multilayer extreme learning machines[J].Pattern Recognition, 2018, 84:357-370.DOI:10.1016/j.patcog.2018.07.011.
[5] MITCHELL T M.Machine learning[M].New York:McGraw Hill, 1997.
[6] YEUNG D, WANG X Z.Handing interaction in fuzzy production rule reasoning[J].IEEE Transaction on Systems and Cybernetics, 2004, 34(5):1979-1987.DOI:10.1109/TSMCB.2004.831460.
[7] 王熙照.模糊测度和模糊积分在分类技术中的应用[M].北京:科学出版社, 2008.
[8] WANG Z Y, XU K B, WANG J, et al.Using genetic algorithms to determine nonnegative monotone set functions for information fusion in environments with random perturbation[J].International Journal of Intelligent Systems, 1999,14(10):949-962.DOI:10.1002/(sici)1098-111X(199910)14:10<949::aid-int1>3.0.co;2-Y.
[9] 李雪非, 顾志华, 冯慧敏.模糊积分分类器中的自适应模糊测度[J].河北大学学报(自然科学版), 2012, 32(4):342-348.DOI:1000-1565(2012)04-0342-07.
[10] 刘彦奎, 陈艳菊, 刘颖,等.模糊优化方法及应用[M].北京:科学出版社,2013.
[11] SERRE D.Matrices:Theory and applications[M].New York:Springer, 2002.
[12] 陈爱霞, 冯慧敏.模糊积分分类器中的积分类型选择[J].模糊系统与数学, 2016, 30(1):1-7.DOI:1001-7402(2016)01-0001-07.

[1]	吉利业,尤翠莲. 模糊微分方程可约的条件[J]. 河北大学学报(自然科学版), 2020, 40(4): 337-343.
[2]	张强,杨云杰,赵妙,霍利民,唐巍. 递归搜索与遗传算法融合的终端优化配置方法[J]. 河北大学学报(自然科学版), 2020, 40(1): 87-94.
[3]	刘振鹏,王雪峰,薛雷,张彬,张寿华. 实数编码遗传算法的改进及并行化实现[J]. 河北大学学报(自然科学版), 2019, 39(1): 86-92.
[4]	尤翠莲,郝杨阳. 基于泰勒展开式的模糊微分方程数值解法[J]. 河北大学学报(自然科学版), 2018, 38(2): 113-118.
[5]	陈爱霞,李宁. 基于极速学习机和最近邻的回归推荐算法[J]. 河北大学学报(自然科学版), 2017, 37(6): 662-666.
[6]	陈爱霞,梁智勇,冯慧敏. 一种基于Choquet积分的不精确推理方法[J]. 河北大学学报(自然科学版), 2016, 36(6): 561-565.
[7]	杜二霞,张文江. 深基坑开挖引起的周边地表变形预测[J]. 河北大学学报(自然科学版), 2014, 34(3): 244-247.
[8]	孙汉文,夏祥华. 径向基函数神经网络用于毛细管电泳同时检测水中苯二酚、苯酚和对硝基苯酚[J]. 河北大学学报(自然科学版), 2013, 33(3): 252-257.
[9]	冯慧敏,李雪非,吕文静. Choquet积分与Sugeno积分的不等式关系[J]. 河北大学学报(自然科学版), 2013, 33(3): 231-235.
[10]	杨晨,宗晓萍. 基于蜜蜂进化型遗传算法的电力系统无功优化[J]. 河北大学学报(自然科学版), 2013, 33(2): 198-203.
[11]	刘春荣,吴博. 推广的Choquet积分及其计算[J]. 河北大学学报(自然科学版), 2012, 32(6): 571-575.
[12]	李雪非,顾志华,冯慧敏. 模糊积分分类器中的自适应模糊测度[J]. 河北大学学报(自然科学版), 2012, 32(4): 342-348.
[13]	尤翠莲,王根森. 一类新的模糊积分的性质[J]. 河北大学学报(自然科学版), 2011, 31(4): 337-340.
[14]	陈丽,苏海锋,张晋国. 基于改进共享小生境遗传算法的配电网无功规划[J]. 河北大学学报(自然科学版), 2011, 31(3): 314-318.
[15]	崔耀中,魏光辉,范丽思. 基于遗传算法的混响室桨叶夹角优化数值分析[J]. 河北大学学报(自然科学版), 2010, 30(5): 449-453.

基于极速学习的Choquet模糊积分分类器

Choquet fuzzy integral classifier based on extreme learning machine

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价