.png){kind=icon}
返回
Low-Dimensional Representation-Driven TSK Fuzzy System for Feature Selection
.png){kind=icon}
PRE
AI
DOI：10.1109/TFUZZ.2025.3608935.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
特征选择能够选择重要特征以解决维度灾难问题。子空间学习是一种广泛使用的降维方法，可以将原始数据投影到低维空间。然而，低维表示通常会被转换回原始空间，导致信息损失。此外，Takagi–Sugeno–Kang模糊系统（TSK-FS）中基于门函数的方法通常鉴别性较差。为解决这些问题，本文提出了一种将子空间学习与TSK-FS相结合的新型特征选择方法。具体而言，使用投影矩阵拟合内在的低维表示。随后，将低维表示输入TSK-FS以评估其可用性。激活强度被放宽，从而使TSK-FS不受数值下溢的限制。最后，引入$\ell _{2,1}$-范数来选择显著特征，并讨论了该方法与相关工作的联系。该方法在与六种最先进方法的17个数据集上的评估中，结果表明所提出的方法具有优越性。
Keyword:
Feature selection
fuzzy systems
T-norm
uncertainty measure
