分层模糊分类器

多数据集准确率95%

利用特征优化与随机规则链接，构建可解释的分层模糊系统用于放射性皮炎严重度评估。

周塔 · Yi, Zhou · Cao, Jin · Wei, Yan · Meng, Yang · 王志成 · Ni, Ruiyan · Lam, Saikit · 张远鹏 · Li, Bing · Tam, Victor C.W. · Wan Shun, Leung · Lee, Shara W.Y. · 葛红 · Cai, Jing

Human-centric Computing and Information Sciences 2025

参数信息

平均训练准确率

95 %

技术优势

准确率够用

在五个数据集上平均训练准确率达95%，优于当前流行的分类器，可直接用于严重度评估。

可解释

模仿人类认知过程，利用经验规则进行推理，决策过程透明可解释，便于医生理解和信任。

应用场景

• 医疗诊断：输入症状特征即可快速评估放射性皮炎严重程度，辅助医生决策。
• 模糊推理：利用可解释的模糊规则处理医学不确定性和特征冗余，提升诊断可靠性。