| 【中文题名】 | 根据输入—输出数据使用聚类算法建立T-S模糊系统 |
| 【英文题名】 | Generating T-S Fuzzy System by Clustering Algorithm from Input-output Data |
| 【学科专业】 | 运筹学与控制论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-10-27 |
| 【中关键词】 | 模糊系统,ISODATA算法,模糊C-均值算法,线性原型,粒子群算法, |
| 【英关键词】 | Fuzzy systems,ISODATA algorithm,linear prototypes,Fuzzy C-means algorithm,Particle swarm optimization, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 在许多科学与工程领域，从输入—输出数据集估计一个未知函数仍然是一个重要课题。传统的基于方程理论的方法已发展成熟且在实践中成功应用，但是精确的数学模型并不总是存在的，从复杂的环境中也很难得到精确的数学模型。因此依然有很多场合需要使用无模型方法—如用模糊系统进行非线性函数逼近等。随着模糊控制技术的成功应用，从输入—输出数据集建立模糊系统也成为模糊控制的一个重要课题。本文在分析该领域已有研究成果的基础上，指出了存在的不足之处。针对存在的问题，提出了基于线性原型的改进ISODATA算法，并用于建立T-S模糊系统。计算机仿真实验验证了该方法的有效性。同时，也尝试对基于线性原型的模糊C—均值算法进行了改进，从理论上推导了该算法的正确性，并用该改进算法建立T-S模糊系统。仿真实验验证了其可行性。本文提出的算法分为两步：第一步使用改进的ISODATA算法或改进的模糊C—均值算法建立初始T-S模糊系统，第二步使用粒子群算法优化系统参数。最后对本文的工作进行了总结，并指出了今后有待继续研究的相关课题。 |
| 【论文题纲】 |
|
目录 |
4-5 |
|
摘要 |
5-7 |
|
第一章 前言 |
7-12 |
|
1.1 概述 |
7-9 |
|
1.2 模糊系统建模的研究趋势以及存在的问题 |
9-10 |
|
1.3 本文的主要研究内容及组织结构 |
10-12 |
|
第二章 模糊系统 |
12-19 |
|
2.1 模糊系统概述 |
12-13 |
|
2.2 模糊数学基础 |
13-15 |
|
2.3 模糊系统的组成 |
15-18 |
|
2.4 本章小结 |
18-19 |
|
第三章 聚类算法 |
19-26 |
|
3.1 聚类分析的数学模型 |
19-20 |
|
3.2 聚类算法的划分 |
20-24 |
|
3.3 聚类的一些其它问题 |
24-25 |
|
3.4 本章小结 |
25-26 |
|
第四章 基子改进 ISODATA聚类算法建立 T-S模糊系统 |
26-37 |
|
4.1 对 ISODATA算法的分析 |
26-27 |
|
4.2 改进的 ISODATA算法 |
27-29 |
|
4.3 使用改进 ISODATA算法建立 T-S模糊系统 |
29-33 |
|
4.4 仿真实验与结果分析 |
33-36 |
|
4.5 本章小结 |
36-37 |
|
第五章 基于改进的FCM聚类算法建立 T-S模糊系统 |
37-44 |
|
5.1 改进的模糊 C-均值算法 |
37-41 |
|
5.2 基于改进的模糊 C-均值算法建立 T-S模糊系统 |
41 |
|
5.3 仿真实验和结果分析 |
41-42 |
|
5.4 本章小结 |
42-44 |
|
第六章 结论与展望 |
44-46 |
|
6.1 论文工作总结 |
44 |
|
6.2 进一步的研究展望 |
44-46 |
|
参考文献 |
46-49 |
|
致谢 |
49-50 |
|
附录 |
50 |
|
| 【DOI】 | LunWen.ID:2.2008.388116 |
