均匀设计优化T-S模糊系统建模:聚类半径新方法

需积分: 5 0 下载量 148 浏览量 更新于2024-08-12 收藏 59KB PDF 举报
"基于均匀设计的T-S建模方法 (2007年),该方法针对T-S模糊系统在数据驱动建模中的应用,探讨了如何有效地确定模糊规则的数量和优化聚类半径,以提高系统精度和泛化能力。通过采用均匀设计理论,简化了复杂多变量系统的建模过程,并在实际案例中展示了其优越性和实用性。该研究受到国家自然科学基金和国家重点基础研究发展计划子课题项目的资助,由李妍和毛志忠等人在东北大学完成。" 在T-S模糊系统中,模糊规则扮演着核心角色,它们决定了系统的准确性和对未知数据的适应性。然而,确定合适的模糊规则数量一直是一项挑战。传统的基于减聚类的方法中,聚类半径的选择直接影响到规则的生成数量,而过少或过多的规则都可能影响模型的性能。论文提出的创新点在于利用均匀设计来设置聚类半径,这种方法允许更合理地选择规则数量,从而简化了处理复杂多变量系统的建模难题。 均匀设计是一种统计优化技术,它能够以等距离的方式分布实验点,确保各个因素的组合在实验设计中得到均衡考虑。在此背景下,均匀设计用于设定聚类半径可以保证规则生成的均衡性和代表性,避免因聚类半径过大或过小导致的模型不准确或过度拟合问题。 通过对具体案例的研究,该方法展示了其简便性和实用性,证明了它对于复杂多变量系统建模的有效性。这种方法不仅提高了建模效率,还减少了人为决策的主观性,有助于在实际应用中实现更好的预测和控制效果。因此,这项工作为解决T-S模糊系统建模中的关键问题提供了新的思路,对于自然科学领域的研究,特别是数据驱动的系统建模和控制,具有重要的参考价值。