发表:一类基于分级聚类的可解释性模糊建模方法的研究(一).docVIP

  • 3
  • 0
  • 约2.4千字
  • 约 4页
  • 2019-10-12 发布于四川
  • 举报

发表:一类基于分级聚类的可解释性模糊建模方法的研究(一).doc

发表:一类基于分级聚类的可解释性模糊建模方法的研究(一)    摘要提出了一种基于两级聚类算法的可解释性模糊建模方法。首先指出模糊模型可解释性的重要地位,分析影响可解释性的主要因素;然后利用减法聚类和加权模糊C均值聚类算法辨识初始模糊模型,紧密/分离性函数确定最优划分和模糊集合的相似性融合约简初始模糊模型,从而提高其可解释性;最后采用约束优化算法整体优化模型,提高其精度。通过对Box-Jenkins火炉数据的模糊建模,验证了该方法的有效性。    关键词模糊建模,可解释性,减法聚类,加权模糊C均值聚类    Keywordsfuzzymodeling,interpretability,subtractionclustering,weightedfuzzyc-meansalgorithm    引言近些年来,基于规则的模糊建模以其众多优点成为一个活跃研究的领域,并在仿真、分类、数据挖掘、模式识别、预测及控制等方面得到广泛的应用。与神经网络等模型不同,模糊模型的知识表达形式和推理机制符合人的思维习惯,可为人们所理解,成为模糊模型最显著的特征。在模糊建模中,一般要求所建立的模型既要有较好的拟合精度,又要有较简单的模糊结构。目前,众多聚类算法在模糊逻辑系统的结构辨识中得到了广泛的应用,据此而得到的模糊结构往往以拟合精度作为指标,从而得到的模糊模型含有大量的冗余信息,泛化能力差,不具

文档评论(0)

1亿VIP精品文档

相关文档