模糊模型算法改进与地研究

《模糊模型算法改进与地研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要T-S模糊系统具有线性规则后件的特点，被广泛应用于基于数据建模的应用中。模糊系统辨识是模糊系统建模的主要手段，优化模糊系统结构是模糊系统辨识的关键。在模糊系统辨识的常用方法中，模糊聚类算法在处理大样本的情况更具有优势，从而提高了模糊系统的辨识效率。为了实现优化的模糊系统结构，模糊规则数的确定则是关键。因此本文针对以上问题做出以下工作：1、为了提高模糊系统的辨识效率，本文首先对模糊系统的建模方法一基于目标函数的模糊聚类算法进行研究。由于FCPM聚类算法能够有效的找到聚类的中心点，协同聚类算法可以使隶属度更加的精确，本文在FCPM聚

2、类算法的基础上进行改进，和协同聚类算法相结合，提出了一种协同的CFCPM聚类算法。由于CFCPM算法在聚类的中心点和隶属度上都有所改进，提高了对数据集的聚类效果。在对数据集wine进行测试的结果表明，该方法的有效性。2、在CFCPM的基础上，本文进一步提出了新的模糊系统建模方法，该方法由两步组成：1)采用基于特征相似性的特征选择方法，去除原始数据的冗余；2)利用协同模糊聚类与G—K相结合的算法初始化模糊模型，使前件和后件参数得到优化。采用该算法对有效的特征进行协同模糊聚类，前后件参数得到改善，提高了模糊系统的辨识效率。模糊建模的实验结果

3、，表明了该方法的有效性。3、在协同G．K聚类算法模糊建模的基础上，对T-S模糊系统结构进行优化，提出了规则可生长和修剪的T-S模糊系统的辨识。此方法以绝对误差为指标，从实际数据中提取T-S模糊系统的模糊规则，并根据每个规则对应局部模型对输出的影响，判断是否删减规则。整个算法完全实现了T-S模糊模型的在线辨识，使模糊系统的结构参数具有自适应的能力。在保证T-S模糊模型精确度不降低的情况下，实现了对模糊系统的结构的优化。关键词：T-S模糊模型；CFCPM；协同模糊聚类算法；特征选择AbstractTheT-SfuzzymodeliSline

4、arruleconsequent，whichiSusedabroadinmathmodelsapplication．Fuzzymodelidentificationisthechiefmeansoffuzzymodeling．Optimizingstructureoffuzzysystemsisthekeytofuzzymodelidentification．Amongthemethodsoffuzzymodelidentification，fuzzyclusteringalgorithmisbetterthanotherswithma

5、nysamples，whichwillimprovetheefficiencyoffuzzyidentification．Inordertooptimizethefuzzymodelstructure，thenumberofrulesisthekey．Thereforethepaperintroducesthefollowingissueswithabovequestions：Firstly,Inordertoimprovetheefficiencyoffuzzyidentification，firstlyresearchthemeth

6、odthatfuzzyclusteringalgorithmbasedonobjectivefunction．FCPMfindtheclusterprototypeseffectively,collaborativefuzzyclusteringmakethemembershipoftheentitymoreexact．AnimprovedfuzzyclusteringalgorithmisproposedbasedonthecombinationofFCPMandCollaborativeFuzzyClustering．CFCPMcl

7、usteringalgorithmcanbeobtainwhichisdeducedfromFCPMandCollaborativeFuzzyClustering．Themembershipandclusterprototypesareimproved．Theclustereffectofthedatasetisbetter．Theexperimentalresultsobtainedonthewinesetshowtheeffectivenessoftheproposedmethod．Secondly,BasedonCFCPM，ane

8、wapproachtobuildfuzzymodelisproposed．Theapproachiscomposedoftwophases：thefirstoneistoremoveredundantinf