資源描述：
《模糊模型算法改進(jìn)與地研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要摘要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)的建模方法一基于目標(biāo)函數(shù)的模糊聚類算法進(jìn)行研究。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
2、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
3、，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，并根據(jù)每個(gè)規(guī)則對(duì)應(yīng)局部模型對(duì)輸出的影響，判斷是否刪減規(guī)則。整個(gè)算法完全實(shí)現(xiàn)了T-S模糊模型的在線辨識(shí)，使模糊系統(tǒng)的結(jié)構(gòu)參數(shù)具有自適應(yīng)的能力。在保證T-S模糊模型精確度不降低的情況下，實(shí)現(xiàn)了對(duì)模糊系統(tǒng)的結(jié)構(gòu)的優(yōu)化。關(guān)鍵詞：T-S模糊模型；CFCPM；協(xié)同模糊聚類算法；特征選擇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
