半监督模糊广域学习模型

结合模糊规则与广域学习，通过多视图融合提升半监督场景下的抗噪能力和分类精度。

Chao, Xi · 范自柱 · Cheng, Peng · 刘强 · Hui, Wang

Information Sciences 2024

技术优势

抗噪能力更强

TSK模糊模型处理不精确和不确定性，均值教师框架减少噪声影响，多视图融合进一步增强鲁棒性。

训练速度快

宽学习系统具有高计算效率，使得模型运行速度快。

可解释性提升

引入模糊规则方法，提升了半监督学习的可解释性。

应用场景

• 模式识别与分类：用于处理带噪声和标签稀缺的分类任务，提升识别精度和鲁棒性。
• 多传感器数据融合：融合多传感器数据，利用多视图互补信息提升半监督学习性能。
• 交互系统建模：利用模糊规则的可解释性建模交互系统，处理不确定性和噪声。