本研究提出了一种正交因子基础的双聚类算法（BCBOF），旨在解决高维数据的稀疏性和局部结构问题。该算法利用模糊规则进行股票价格趋势预测，实验结果表明其交易策略能够提升投资者的回报。

本研究提出了一种将模糊规则分类器转化为清晰规则分类器的方法，解决了模糊分类器在非模糊领域推广不足的问题，帮助从业者理解模糊规则如何划分特征空间。

该文提出了一种名为ML-TSK FS的新的多标签分类方法，通过使用模糊规则设计了其结构来建模特征和标签之间的关系，并通过集成多标签相关学习和多标签回归损失来训练模糊系统。实验结果表明，ML-TSK FS在各种评估指标上的性能与现有方法相竞争，能够有效地提升分类性能。