近日，医学院张远鹏教授的研究论文“Deep Reconciled & Self-Paced TSK Fuzzy System Ensemble for Imbalanced Data Classification: Architecture, Interpretability and Theory”（用于不平衡数据分类的深度调和自定进度TSK模糊系统集成：体系结构、可解释性和理论）在国际著名期刊《IEEE Transactions on Fuzzy Systems》上发表。
基于堆叠的 TSK 模糊系统集成已成功应用于不平衡数据分类，但在堆叠过程中，将输出变量增强到输入特征空间会降低模糊规则前提的可解释性。为了解决上述问题，该论文提出了一种深度调和自适应 TSK 模糊系统集成框架，用于不平衡数据分类。与现有集成框架相比，其优越性体现在以下三个方面：一是定义了分类器特定的和测试兼容的样本敏感度，以发现高敏感样本，并设计了一种调和自适应采样方法，以平衡少数类用于后续层的训练；二是通过等效数学变换将输出变量从前提转移到结果，同时保持最终输出不变；三是对基于堆叠的集成进行了全面的理论检验，以阐明使堆叠策略持续提供卓越性能的潜在机制。
《IEEE Transactions on Fuzzy Systems》为中科院一区TOP期刊，影响因子10.7。张远鹏教授为第一作者，诸侯快1133医学院为第一署名单位。
（张远鹏）
相关链接：https://ieeexplore.ieee.org/document/10634753
