基于模糊子空间聚类的〇阶L2型TSK模糊系统

来源：电子与信息学报杂志2015年第9期北京时间：

作者：邓赵红, 张江滨, 蒋亦樟, 史荧中, 王士同

摘要：经典数据驱动型TSK(Takagi-Sugeno-Kang)模糊系统在获取模糊规则时，会考虑数据的所有特征空间，其带来一个重要缺陷：如果数据的特征空间维数过高，则系统获取的模糊规则繁杂，使系统复杂度增加而导致解释性下降。该文针对此缺陷，探讨了一种基于模糊子空间聚类的〇阶L2型TSK模糊系统(Fuzzy Subspace Clustering based zero-order L2- norm TSK Fuzzy System, FSC-0-L2-TSK-FS)构建新方法。新方法构建的模糊系统不仅能缩减模糊规则前件的特征空间，而且获取的模糊规则可对应于不同的特征子空间，从而具有更接近人类思维的推理机制。模拟和真实数据集上的建模结果表明，新方法增强了面对高维数据所建模型的解释性，同时所建模型得到了较之于一些经典方法更好或可比较的泛化性能。

关键词：Takagi-Sugeno-Kang(TSK)模糊系统, 医疗诊断, 解释性, 高维数据

基金资助：国家自然科学基金(61170122)，江苏省杰出青年基金(BK20140001)和新世纪优秀人才支持计划(NCET120882)