近日，我校金沙检测线路js69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。该项研究成果由金沙检测线路js69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，金沙检测线路js69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.