基于视角-规则的深度TSK模糊分类器及其在多元癫痫脑电信号识别中的应用
Recognition of multivariate epilepsy EEG signals based on view-to-rule deep TSK fuzzy classifier作者机构:湖州师范学院信息工程学院浙江湖州313000 浙江省现代农业资源智慧管理与应用研究重点实验室浙江湖州313000 浙江师范大学计算机科学与技术学院浙江金华321004
出 版 物:《控制与决策》 (Control and Decision)
年 卷 期:2024年第39卷第4期
页 面:1315-1324页
核心收录:
学科分类:08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 080201[工学-机械制造及其自动化]
基 金:国家自然科学基金区域创新发展联合基金项目(U22A201856)
主 题:TSK模糊分类器 多视角深度特征 视角-规则 癫痫脑电信号检测 可解释性
摘 要:在癫痫脑电信号分类检测中,传统机器学习方法分类效果不理想,深度学习模型虽然具有较好的特征学习优势,但其“黑盒学习方式不具备可解释性,不能很好地应用于临床辅助诊断;并且,现有的多视角深度TSK模糊系统难以有效表征各视角特征之间的相关性.针对以上问题,提出一种基于视角-规则的深度Takagi-SugenoKang(TSK)模糊分类器(view-to-rule Takagi-Sugeno-Kang fuzzy classifier,VR-TSK-FC),并将其应用于多元癫痫脑电信号检测中.该算法在原始数据上构建前件规则以保证模型的可解释性,利用一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)从多角度抓取多元脑电信号深度特征.每个模糊规则的后件部分分别采用一个视角的脑电信号深度特征作为其后件变量,视角-规则的学习方式提高了VR-TSK-FC表征能力.在Bonn和CHB-MIT数据集上,VR-TSK-FC算法模糊逻辑推理过程保证可解释的基础上达到了较好分类效果.