近日,我校计算机学院郜东瑞副教授团队的研究成果“A Comprehensive Adaptive Interpretable Takagi-Sugeuo-Kang Fuzzy Classifier for Fatigue Driving Detection”(基于综合自适应可解释TSK模糊的疲劳驾驶检测)被人工智能领域顶级期刊“IEEE Transactions on Fuzzy Systems”接收。该项研究成果由计算机学院的研究生导师郜东瑞副教授和2021级研究生刘世洪共同完成,刘世洪和导师郜东瑞为该论文共同第一作者,成都信息工程大学为第一署名单位。
该项研究成果提出一种模糊特征计算的新方法--综合自适应可解释 TSK 模糊分类器。该方法通过集成多个子分类器,获取多个子分类器综合特征增强模型的学习资源,从而缓解数据集不平衡问题。同时,设计模糊规则随机保留方法和数据压缩操作来减少错误信息的积累。最后,将多个子分类器的结果进行建立线性组合模型,综合考虑多个子分类器的学习效果,以适应不同的研究对象和数据集。在自制数据集和公共数据集(SEED-VIG)上进行的实验表明,CAI-TSK-FC 在不同的脑电疲劳驾驶数据集上具有良好的分类性能和可解释性,为脑机接口的发展提供了新的研究方向。
所提出方法模型
IEEE Transactions on Fuzzy Systems(IEEE TFS)是人工智能领域的顶级国际期刊,由IEEE(电气和电子工程师协会)出版,专注于模糊系统的理论、设计和应用。IEEE TFS是中国科学院SCI期刊分区计算机科学1区TOP期刊,2024年影响因子10.7,h-Index:170。CiteScore:20.50
论文信息:
D. Gao et al., "A Comprehensive Adaptive Interpretable Takagi-Sugeuo-Kang Fuzzy Classifier for Fatigue Driving Detection," in IEEE Transactions on Fuzzy Systems, doi: 10.1109/TFUZZ.2024.3399400.