模糊系统建模方法已经由传统的专家知识驱动转变到了数据驱动，但是对于高维数据来说，现有的数据驱动建模方法还存在很多挑战。例如生成的规则过长过多会导致模型的可解释性极大程度的减弱，另外冗长的规则可能包含很多噪声使得模型的泛化能力变差。针对上述挑战，我们提出了简洁模糊系统建模方法。简洁模糊系统对于高维数据来说具有更好的可解释性，对于噪声特征具有更好的鲁棒性，同时对于实时要求高的应用具有更好的适用性。具体地，我们采用软子空间聚类来生成模糊系统的规则前件，使得不同的规则对应不同的特征集，从而具有更好的可解释性；另外我们采用不敏感损失和L2损失度量以及稀疏学习技术求解后件参数，使得模型具有更强的鲁棒性。我们将上述两个技术分别应用到了TSK模糊系统和0阶模糊系统，并提出了两种不同的简洁模糊系统建模方法。实验验证表明所提出的简洁模糊系统不仅具有良好的鲁棒性和泛化能力，而且在可解释性上远远优于已有的模糊系统建模方法。

主讲人简介：

王士同，江南大学教授（2008年首批二级），博士生导师（已经指导博士毕业人数37人）。曾在英国，日本和香港地区合作研究8年。已在IEEE Trans.或ACM Trans.会刊上发表或录用论文60多篇；曾获教育部科技进步奖一等奖，二等奖各一次（排一）；湖南省和浙江省科技进步奖一等奖各一次（排三）；其他省部级科技进步奖6次。曾获全国优秀教师，国务院政府特殊津贴，省部级有突出贡献的中青年专家，江苏省333工程第二层次培养人选2次（2004-2006；2011-2015），教育部新世纪优秀人才（2004）；日本学术振兴会资助的Invitation Fellowship共 3次（2003，2013，2016），香港裘槎基金会的Chinese Visitorship以及英国皇家学会资助的Research Fellowship.

打印: