模糊规则WM算法讲解.pptVIP

样本集完备且不包含噪声 样本集不完备且不包含噪声 样本集完备且包含噪声 样本集不完备且包含噪声 WM算法的局限性分析 当样本集不完备时，使用WM算法将会提取出不完备的模糊规则库； 当样本集包含坏数据时，使用WM算法将有可能提取出可信度较低的规则，即模糊规则库的鲁棒性较差； 当样本集规模较大，使用WM算法提取模糊规则的效率较低。 Company Logo 总结 模糊规则提取是创建模糊系统的核心内容，模糊规则库的完备和可靠性是模糊系统对原模型逼近性能优劣的关键。 WM算法建立的模糊系统最大的优势就是： 1. 使用相同的结构：模糊IF-THEN规则； 2. 模糊IF-THEN规则对于非专业人士易理解； 3. 在定义隶属度函数的灵活性中使得使用者拥有一个更好的控制力来生成模型。这样模型可以调整以适应特定的情况和要求(例如，提取粗知识和良好知识)； 4. 模糊预测模型可以以自然的方式来排列输入变量的重要性。 Company Logo Company Logo LOGO 第七章从样本中提取模糊规则的方法Wang_Mendel Method 目录 模糊规则 1 WM 算法简介 2 问题描述 3 实验仿真 4 研究背景 在工业上，有一些较复杂的系统难以通过传统机理建模方法获得精确的数学模型，这类系统使用的输入参数及得到的输出结果通常包含大量可用于描述系统特征的信息。经典的控制系统通常应用于对象可以量化且参数较为集中的线性动态系统中。这种动态系统要求各控制参数间的关系可以用微分方程或差分方程进行描述。 复杂工业过程常常具有强非线性、不确定性、多变量、强耦合以及工况变化频繁等特点，动态特性难以用精确的数学模型描述。 故需要一种与传统控制完全不同的数学，这种数学不依靠概率论来描述不确定性。于是，模糊控制系统理论随着需求不断加强应运而生。 模糊控制系统 模糊控制系统理论于20世纪60年代产生由Zadeh提出。它是一种基于规则或者知识的系统，用以描述现实世界。模糊系统通常用于对模糊的对象进行描述，但其理论本身却是精确的。 使用模糊系统理论可以对复杂工业系统进行精确定义，在不了解对象运行机制的情况下对其进行数学建模，创建适合实际应用需求的模糊控制系统。 目前较常见的模糊系统主要有以下三类： 纯模糊系统； TSK（Takagi-Sugeno-Kang）模糊系统； 具备模糊器（Fuzzifier）和解模糊器（Defuzzifier）的模糊系统。 模糊系统的核心是由IF-THEN模糊规则构成的模糊规则库。模糊规则库里的每条模糊规则都是对现实生活中的一条准则进行描述。构建模糊系统的首要任务是获取一组来自该领域的专家知识，然后将这些专家知识转化为模糊IF-THEN规则并以一定方式整合到同一个模型。目前较流行的模糊规则主要有以下两种：Mamdani模糊规则和Takagi-Sugeno模糊规则。 模糊规则提取的研究背景 模糊系统为知识库转换为非线性映射提供系统的方法，其在建立复杂工业模型具有一定优势，而创建模糊系统最关键的步骤是模糊规则库的获取。在实际应用中，使用IF…THEN规则形式的模糊规则进行描述的模糊系统具有良好的可解释性。 通常模糊规则的产生有一下三种方法： 基于专家经验和知识产生规则； 从样本数据中自动产生规则； 样本数据结合专家知识产生混合规则。 当模糊系统较为简单时，采用专家经验获得模糊规则较为简单；一旦模糊系统涉及的变量增多或者变量的模糊子集较多时，获取专家经验比较困难，并且专家经验可能存在不够客观的问题，通常仅能得到一些数字信息。 而使用样本数据进行模糊规则提取则不会受到上述问题的制约。因此，如何从数字信息中提取有用的规则并快速创建完备且可靠的模糊规则库，是一个比较有研究价值的问题。 模糊规则提取研究现状 当模糊系统中存在较多变量或模糊子集划较多时仅领先专家经验产生规则比较困难，因此，近年来如何通过样本数据提取模糊规则受到较多关注。一系列研究分别提出使用梯度下降法、最小二乘法、遗传算法、模糊聚类、神经网络等方法从样本数据中获取模糊规则的相关理论。 但是，这些理论都存在各种不足，如：效率低，实现较繁琐，学习机理比较复杂，提起的规则不易理解等。 Wang-Mendel算法是最早提出从数据中直接提取模糊规则而与先验知识无关的一种从样本数据中提取规则的算法，由Wang和Mendel两人提出。该方法简单易用且无需了解对象内在机制，目前已成为模糊规则提取领域被广为应用的经典算法。 Company Logo 模糊规则提取相关理论基础 模糊规则提取是创建模糊系统的重要步骤，一个较好的模糊规则提取算法可以获得完备且规则可信度较高的模糊规则库，基于该规则库可以创建出对于原模型逼近性能较好的模糊系统。其主要涉及模糊系统