多标签 Takagi-Sugeno-Kang 模糊系统
人工智能
2023-09-21 v1
摘要
多标签分类能够从给定标签集合中有效识别一个样本的相关标签。然而,特征与标签之间关系的建模对分类性能至关重要。为此,我们提出一种新的多标签分类方法,称为多标签 Takagi-Sugeno-Kang 模糊系统(ML-TSK FS),以提升分类性能。ML-TSK FS 的结构采用模糊规则设计,以建模特征与标签之间的关系。该模糊系统通过结合基于模糊推理的多标签相关性学习与多标签回归损失进行训练。所提出的 ML-TSK FS 在 12 个基准多标签数据集上进行了实验评估。结果表明,ML-TSK FS 在各项评价指标上可与现有方法相竞争,表明其能够利用模糊推理规则有效建模特征-标签关系并提升分类性能。
引用
@article{arxiv.2309.11469,
title = {Multi-Label Takagi-Sugeno-Kang Fuzzy System},
author = {Qiongdan Lou and Zhaohong Deng and Zhiyong Xiao and Kup-Sze Choi and Shitong Wang},
journal= {arXiv preprint arXiv:2309.11469},
year = {2023}
}
备注
This work has been accepted by IEEE Transactions on Fuzzy Systems