噪声鲁棒
通过联合类别分布与邻域权重构建有向加权模糊二元关系，该模型在保持特征选择效率的同时显著提升噪声数据下的鲁棒性，为不确定数据分析提供了更可靠的理论工具。
Wang C. · Bingxi, Deng · An S. · Huang Y.
IEEE Transactions on Fuzzy Systems 2025
通过邻域权重区分样本重要性，降低噪声样本对相似度评估的干扰，避免依赖局部噪声分布导致的过拟合。
在多个评估指标（如分类精度）上均优于现有模型，验证了模型对不确定数据建模的有效性。