计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2007年
5期
142-144
,共3页
模糊C均值聚类%模糊建模%T-S模糊模型%竞争学习
模糊C均值聚類%模糊建模%T-S模糊模型%競爭學習
모호C균치취류%모호건모%T-S모호모형%경쟁학습
针对基于T-S模糊模型的非线性系统建模问题,提出了一种基于自组织神经网络的新方法.在T-S模糊模型的建模中,目前常用的模糊C均值聚类算法存在迭代次数多,计算耗时的缺点.首先,利用竞争学习算法对输入空间进行聚类,基于此结果,借助于模糊C均值聚类算法进一步优化聚类结果,提取T-S模糊模型的规则前件隶属函数参数.然后,采用最小二乘法求得T-S模糊模型的规则后件参数,从而建立起非线性系统的T-S模糊模型.最后,仿真结果表明,该方法可以为模糊建模提供好的模型结构,并且有较高的计算效率和精度.
針對基于T-S模糊模型的非線性繫統建模問題,提齣瞭一種基于自組織神經網絡的新方法.在T-S模糊模型的建模中,目前常用的模糊C均值聚類算法存在迭代次數多,計算耗時的缺點.首先,利用競爭學習算法對輸入空間進行聚類,基于此結果,藉助于模糊C均值聚類算法進一步優化聚類結果,提取T-S模糊模型的規則前件隸屬函數參數.然後,採用最小二乘法求得T-S模糊模型的規則後件參數,從而建立起非線性繫統的T-S模糊模型.最後,倣真結果錶明,該方法可以為模糊建模提供好的模型結構,併且有較高的計算效率和精度.
침대기우T-S모호모형적비선성계통건모문제,제출료일충기우자조직신경망락적신방법.재T-S모호모형적건모중,목전상용적모호C균치취류산법존재질대차수다,계산모시적결점.수선,이용경쟁학습산법대수입공간진행취류,기우차결과,차조우모호C균치취류산법진일보우화취류결과,제취T-S모호모형적규칙전건대속함수삼수.연후,채용최소이승법구득T-S모호모형적규칙후건삼수,종이건립기비선성계통적T-S모호모형.최후,방진결과표명,해방법가이위모호건모제공호적모형결구,병차유교고적계산효솔화정도.
