模糊识别分级MATLAB代码-Classification-Computational-Intelligence:该作业是2020年Sprin

怀疑识别等级MATLAB代码分类-计算-智能 本次作业的目的是研究 TSK（Takagi-Sugeno-Tang）模型解决分类问题的能力。 具体来说，从 中选择两个数据集，以便使用模糊神经模型对各自类别中的可用样本进行分类。 第1部分 第一个数据集用于对此类模型的训练和评估过程进行简单调查，并说明分析和解释结果的方式。 我们检查了四个 TSK 模型，其中定义了模糊 IF-THEN 规则数量的参数，即集群半径，被修改。 对于输入分区，我们使用减法聚类 (SC)方法。 特别是，在第一种情况（前两个模型）中，SC 将针对整个训练集（类独立）运行，而在第二种情况（其余两个模型）中，聚类将分别应用于每个类的训练数据（类依赖）。 我们使用这种聚类方法的原因是模型的可解释性的增加和“更干净”的聚类（因此规则）的产生。 数据集： 第2部分 第二个更复杂的数据集用于更完整的建模过程，其中包括预处理步骤，例如特征选择和通过交叉验证优化模型的方法。 由于数据集较大，可能会出现规则爆炸等问题。 为了避免这种情况，我们有必要通过选择最重要的特征并拒绝不太有用的特征来降低其维度。 之后，我们应用网格搜索和5 倍交