并行計算和稀疏存儲在模糊積分上的應(yīng)用

　　近年來很多學(xué)者開展了模糊積分的相關(guān)研究，并將模糊積分應(yīng)用于各種分類問題，而模糊測度的確定則是模糊積分計算的重點和難點。將并行計算和稀疏存儲應(yīng)用在模糊積分求解上，分別解決模糊積分計算中的時間復(fù)雜度和空間復(fù)雜度問題，并提出一種高效率模糊積分算法——基于并行和稀疏框架的模糊積分（ parallel　and sparse frame based fuzzy integral，PSFI）。實驗表明，隨著計算資源的增加，PSFl算法的加速比和效率下降較低。在變量存儲上，PSFl算法在較多特征的數(shù)據(jù)集上對存儲空間減少數(shù)千倍。最后，提出的PSFl算法相比之前提出的多重模糊積分（ multiple nonlinear integral，MNI）算法，有較高的分類準(zhǔn)確率。