计算机应用

作者：胡星辰, 申映华, 吴克宇, 程光权, 刘忠

单位：1. 国防科技大学 系统工程学院, 长沙 410073;2. 阿尔伯塔大学 电气与计算机工程系, 加拿大 埃德蒙顿 T6R 2V4

关键词：模糊规则模型,粒计算,覆盖率,特异性,优化,模糊聚类

模糊规则模型广泛应用于许多领域，而现有的模糊规则模型主要使用基于数值形式的性能评估指标，忽略了对于模糊集合本身的评价，因此提出了一种模糊规则模型性能评估的新方法。该方法可以有效地评估模糊规则模型输出结果的非数值（粒度）性质。不同于通常使用的数值型性能指标（比如均方误差（MSE）），该方法通过信息粒的特征来表征模型输出的粒度结果的质量，并将该指标使用在模糊模型的性能优化中。信息粒性能采用（数据的）覆盖率和（信息粒自身的）特异性两个基本指标得以量化，并通过使用粒子群优化实现了粒度输出质量（表示为覆盖率和特异性的乘积）的最大化。此外，该方法还优化了模糊聚类形成的信息粒的分布。实验结果表明该指标对于模糊规则模型性能评估的有效性。

来源：2019年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第11期