Self-organising fuzzy logic classifier

Gu, Xiaowei; Angelov, Plamen

doi:10.1016/j.ins.2018.03.004

Cited by 71 publications

(121 citation statements)

References 45 publications

Supporting

Mentioning

116

Contrasting

Unclassified

Order By: Relevance

“…• Autonomous Learning Multimodel System (ALMMo) [15]; • Self-Organizing Fuzzy Logic Classifier (SOFL) [17];…”

Section: Métodos Comparados E Sistemas Fuzzymentioning

confidence: 99%

See 1 more Smart Citation

Sistemas Fuzzy aplicados ao Handover em Redes LTE com Falhas de Cobertura

Lima¹,

Medeiros²,

Aguiar³

et al. 2019

Anais De XXXVII Simpósio Brasileiro De Telecomunicações E Processamento De Sinais

View full text Add to dashboard Cite

Resumo-Nas futuras gerações de comunicações móveis, há uma tendência de aumento significativo de requisições de handover, a qual torna essencial a formulação de melhores estratégias para esse processo a fim de fazer uso mais eficiente do espectro e maximizar a QoE. Nesse sentido, esse trabalho apresenta uma comparação concisa entre diferentes técnicas baseadas em sistemas fuzzy, a fim de otimizar a escolha do alvo para handover, em cenários com mobilidade de usuários, obstruções e falhas de coberturas. Os resultados apontam alta precisão para classificação de melhor alvo, mesmo em situações adversas.

show abstract

“…• Autonomous Learning Multimodel System (ALMMo) [15]; • Self-Organizing Fuzzy Logic Classifier (SOFL) [17];…”

Section: Métodos Comparados E Sistemas Fuzzymentioning

confidence: 99%

“…Em geral, quanto maior esse parâmetro, maior o refinamento de detalhes, mais protótipos são produzidos e melhor costuma ser o desempenho desse classificador. O modelo implementado neste trabalho pode ser visto em [17].…”

Section: Métodos Comparados E Sistemas Fuzzyunclassified

Sistemas Fuzzy aplicados ao Handover em Redes LTE com Falhas de Cobertura

Lima¹,

Medeiros²,

Aguiar³

et al. 2019

Anais De XXXVII Simpósio Brasileiro De Telecomunicações E Processamento De Sinais

View full text Add to dashboard Cite

show abstract

“…Utilizase para tanto de um processo de treinamento offline que emprega estes protótipos, para então construir um sistema de inferência fuzzy baseado em regras do tipo AnYa de ordem 0 [Angelov and Yager 2012] que, por sua vez,é aplicado ao problema de classificação desejado. Proposto em [Gu and Angelov 2018], são utilizadas como métrica para o cálculo da distância, a distância Mahalanobis, Euclideana e Cosseno.…”

Section: Classificador Fuzzy Auto-organizávelunclassified

“…Neste sentido, classificadores Fuzzy Auto-Organizáveis (SOF -do inglês Self-Organising Fuzzy Logic Classifiers), propostos por [Gu and Angelov 2018] vêm sendo amplamente utilizados para geolocalização, tanto interna quanto externa [Baccar and Bouallegue 2015], [Onofre et al 2016], [Peña-Rios et al 2017], [Baccar et al 2017]. Tendo em vista que dados de RF têm uma alta incerteza associada, levando-se em consideração, que dependendo da intensidade do sinal o objeto pode se encontrar mais próximo de um ambiente que de outro, classificadores fuzzy auto organizáveis representam uma abordagem promissora na solução do problema proposto.…”

Section: Introductionunclassified

Self-Organizing Fuzzy Rule-Based Approach for Dealing with the Classification of Indoor Environments for IoT Applications

Dias

Aguiar

Hell

et al. 2019

Anais Do XVI Encontro Nacional De Inteligência Artificial E Computacional (ENIAC 2019)

View full text Add to dashboard Cite

Atualmente, grande parte dos sensores utilizados em Internet das Coisas adota tecnologia sem fio, a fim de facilitar a construção de redes de sensoriamento. Neste sentido, a classificação do tipo de ambiente no qual estes sensores estão localizados exerce um importante papel no desempenho de tais redes de sensoriamento, uma vez que pode ser utilizada na determinação de níveis mais eficientes de consumo de energia dos sensores que as compõe. Assim, neste trabalho é apresentada uma abordagem baseada em Classificadores Fuzzy Auto-organizáveis para a classificação de ambientes internos a partir de medições em tempo real do sinal de radiofrequência de uma rede de sensoriamento sem fio em um ambiente real. Os resultados experimentais apresentados mostram que a abordagem proposta obteve alto desempenho com baixo custo computacional na solução do problema apresentado.

show abstract

“…The self-organizing fuzzy logic classifier (SOF) has not been used in the field of fault diagnosis since it was proposed in 2018. SOF has the advantages of fast calculation speed, high classification accuracy, and no parameters [32]. The classification process is divided into three stages: the offline training stage, online training stage, and testing stage.…”

Section: Introductionmentioning

confidence: 99%

A New Fuzzy Logic Classifier Based on Multiscale Permutation Entropy and Its Application in Bearing Fault Diagnosis

Guo

Wang

et al. 2019

Entropy

View full text Add to dashboard Cite

The self-organizing fuzzy (SOF) logic classifier is an efficient and non-parametric classifier. Its classification process is divided into an offline training stage, an online training stage, and a testing stage. Representative samples of different categories are obtained through the first two stages, and these representative samples are called prototypes. However, in the testing stage, the classification of testing samples is completely dependent on the prototype with the maximum similarity, without considering the influence of other prototypes on the classification decision of testing samples. Aiming at the testing stage, this paper proposed a new SOF classifier based on the harmonic mean difference (HMDSOF). In the testing stage of HMDSOF, firstly, each prototype was sorted in descending order according to the similarity between each prototype in the same category and the testing sample. Secondly, multiple local mean vectors of the prototypes after sorting were calculated. Finally, the testing sample was classified into the category with the smallest harmonic mean difference. Based on the above new method, in this paper, the multiscale permutation entropy (MPE) was used to extract fault features, linear discriminant analysis (LDA) was used to reduce the dimension of fault features, and the proposed HMDSOF was further used to classify the features. At the end of this paper, the proposed fault diagnosis method was applied to the diagnosis examples of two groups of different rolling bearings. The results verify the superiority and generalization of the proposed fault diagnosis method.

show abstract

Self-organising fuzzy logic classifier

Cited by 71 publications

References 45 publications

Sistemas Fuzzy aplicados ao Handover em Redes LTE com Falhas de Cobertura

Sistemas Fuzzy aplicados ao Handover em Redes LTE com Falhas de Cobertura

Self-Organizing Fuzzy Rule-Based Approach for Dealing with the Classification of Indoor Environments for IoT Applications

A New Fuzzy Logic Classifier Based on Multiscale Permutation Entropy and Its Application in Bearing Fault Diagnosis

Contact Info

Product

Resources

About