模糊模型算法的改進(jìn)與研究.pdf

1、T-S模糊系統(tǒng)具有線性規(guī)則后件的特點(diǎn)，被廣泛應(yīng)用于基于數(shù)據(jù)建模的應(yīng)用中。模糊系統(tǒng)辨識(shí)是模糊系統(tǒng)建模的主要手段，優(yōu)化模糊系統(tǒng)結(jié)構(gòu)是模糊系統(tǒng)辨識(shí)的關(guān)鍵。在模糊系統(tǒng)辨識(shí)的常用方法中，模糊聚類算法在處理大樣本的情況更具有優(yōu)勢(shì)，從而提高了模糊系統(tǒng)的辨識(shí)效率。為了實(shí)現(xiàn)優(yōu)化的模糊系統(tǒng)結(jié)構(gòu)，模糊規(guī)則數(shù)的確定則是關(guān)鍵。因此本文針對(duì)以上問(wèn)題做出以下工作： 1、為了提高模糊系統(tǒng)的辨識(shí)效率，本文首先對(duì)模糊系統(tǒng)的建模方法--基于目標(biāo)函數(shù)的模糊聚類算法進(jìn)行

2、研究。由于FCPM聚類算法能夠有效的找到聚類的中心點(diǎn)，協(xié)同聚類算法可以使隸屬度更加的精確，本文在FCPM聚類算法的基礎(chǔ)上進(jìn)行改進(jìn)，和協(xié)同聚類算法相結(jié)合，提出了一種協(xié)同的CFCPM聚類算法。由于CFCPM算法在聚類的中心點(diǎn)和隸屬度上都有所改進(jìn)，提高了對(duì)數(shù)據(jù)集的聚類效果。在對(duì)數(shù)據(jù)集wine進(jìn)行測(cè)試的結(jié)果表明，該方法的有效性。 2、在CFCPM的基礎(chǔ)上，本文進(jìn)一步提出了新的模糊系統(tǒng)建模方法，該方法由兩步組成：1)采用基于特征相似性的特

3、征選擇方法，去除原始數(shù)據(jù)的冗余；2)利用協(xié)同模糊聚類與G-K相結(jié)合的算法初始化模糊模型，使前件和后件參數(shù)得到優(yōu)化。采用該算法對(duì)有效的特征進(jìn)行協(xié)同模糊聚類，前后件參數(shù)得到改善，提高了模糊系統(tǒng)的辨識(shí)效率。模糊建模的實(shí)驗(yàn)結(jié)果，表明了該方法的有效性。 3、在協(xié)同G-K聚類算法模糊建模的基礎(chǔ)上，對(duì)T-S模糊系統(tǒng)結(jié)構(gòu)進(jìn)行優(yōu)化，提出了規(guī)則可生長(zhǎng)和修剪的T-S模糊系統(tǒng)的辨識(shí)。此方法以絕對(duì)誤差為指標(biāo)，從實(shí)際數(shù)據(jù)中提取T-S模糊系統(tǒng)的模糊規(guī)則，并根