基于SOMK算法的T-S模糊系统建模方法

吉林大学学报(工学版)

基于SOMK算法的T-S模糊系统建模方法

杨印生¹;孙赵华¹;马萍²;陶跃³;司瑾³

1.吉林大学生物与农业工程学院，长春 130022；2.黑龙江八一农垦大学食品学院，黑龙江大庆 163319；3.长春理工大学计算机科学技术学院，长春130022

收稿日期:2006-12-01 修回日期:2007-02-01 出版日期:2008-05-01 发布日期:2008-05-01
通讯作者: 杨印生

T-S fuzzy system modeling based on hybrid of SOM and K-means

Yang Yin-sheng¹;Sun Zhao-hua¹;Ma Ping²;Tao Yue³;Si Jin³

1.College of Biological and Agricultural Engineering, Jilin University, Changchun 130022, China； 2.College of Food Science, Heilongjian August First Land Reclamation University, Daqing 163319, China; 3.College of Competer Science and Technology, Changchun University of Science and Technology, Changchun 130022,China

Received:2006-12-01 Revised:2007-02-01 Online:2008-05-01 Published:2008-05-01

摘要/Abstract

摘要：

针对T-S模糊系统建模中的结构辨识和参数辨识问题，以自组织特征映射SOM算法与K-means算法相结合的SOMK算法对输入样本进行聚类，同时以Davies-Bouldin(DB)指标来验证聚类的有效性，得到最佳聚类数即为T-S模糊系统模型的规则数。然后用所得模糊规则数和聚类中心来辨识T-S模糊系统模型前件参数进而采用最小二乘算法来确定模糊推理规则的后件参数。最后，用仿真实例验证了文中所提出的建模方法与相应算法。仿真结果表明，该方法逼近精度高，泛化能力强，具有较好的实际应用价值。

关键词: 系统工程, SOM算法, K-means算法, FCM算法, T-S模糊系统

Abstract: Focused on the structure and parameter identificantions in TS fuzzy system modelling, a hybrid clustering method SOMK, which combines the SelfOrganizing Map (SOM) and Kmeans approaches, is used to cluster the input samples, and the DaviesBouldin (DB) validity criterion is used to determine the optimal number of clusters, which is taken as the optimal number of rules of the TS fuzzy system. Then the premise parameters are determined by the number of rules and the cluster centers. Furthermore, a least square algorithm is applied to obtain the consequent part of each rule. A case simulation is used to illustrate the proposed medolling method and the algorithm. Simulation results prove that the method has high modelling precision and high ability of power generalization, and it is valuable for practical application.

Key words: system engineering, SOM algorithm, K-means algorithm, FCM algorithm, T-S fuzzy system

中图分类号:

TP273

杨印生;孙赵华;马萍;陶跃;司瑾 . 基于SOMK算法的T-S模糊系统建模方法[J]. 吉林大学学报(工学版), 2008, 38(03): 658-0661.

Yang Yin-sheng;Sun Zhao-hua;Ma Ping;Tao Yue;Si Jin. T-S fuzzy system modeling based on hybrid of SOM and K-means [J]. 吉林大学学报(工学版), 2008, 38(03): 658-0661.

参考文献

相关文章 15

[1]	陈永恒,刘芳宏,曹宁博. 信控交叉口行人与提前右转机动车冲突影响因素[J]. 吉林大学学报(工学版), 2018, 48(6): 1669-1676.
[2]	常山,宋瑞,何世伟,黎浩东,殷玮川. 共享单车故障车辆回收模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1677-1684.
[3]	曲大义,杨晶茹,邴其春,王五林,周警春. 基于干线车流排队特性的相位差优化模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1685-1693.
[4]	宗芳, 齐厚成, 唐明, 吕建宇, 于萍. 基于GPS数据的日出行模式-出行目的识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1374-1379.
[5]	刘翔宇, 杨庆芳, 隗海林. 基于随机游走算法的交通诱导小区划分方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1380-1386.
[6]	钟伟, 隽志才, 孙宝凤. 不完全网络的城乡公交一体化枢纽层级选址模型[J]. 吉林大学学报(工学版), 2018, 48(5): 1387-1397.
[7]	刘兆惠, 王超, 吕文红, 管欣. 基于非线性动力学分析的车辆运行状态参数数据特征辨识[J]. 吉林大学学报(工学版), 2018, 48(5): 1405-1410.
[8]	宗芳, 路峰瑞, 唐明, 吕建宇, 吴挺. 习惯和路况对小汽车出行路径选择的影响[J]. 吉林大学学报(工学版), 2018, 48(4): 1023-1028.
[9]	栾鑫, 邓卫, 程琳, 陈新元. 特大城市居民出行方式选择行为的混合Logit模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1029-1036.
[10]	陈永恒, 刘鑫山, 熊帅, 汪昆维, 谌垚, 杨少辉. 冰雪条件下快速路汇流区可变限速控制[J]. 吉林大学学报(工学版), 2018, 48(3): 677-687.
[11]	王占中, 卢月, 刘晓峰, 赵利英. 基于改进和声搜索算法的越库车辆排序[J]. 吉林大学学报(工学版), 2018, 48(3): 688-693.
[12]	李志慧, 胡永利, 赵永华, 马佳磊, 李海涛, 钟涛, 杨少辉. 基于车载的运动行人区域估计方法[J]. 吉林大学学报(工学版), 2018, 48(3): 694-703.
[13]	陈松, 李显生, 任园园. 公交车钩形转弯交叉口自适应信号控制方法[J]. 吉林大学学报(工学版), 2018, 48(2): 423-429.
[14]	苏书杰, 何露. 步行交通规划交叉路口行人瞬时动态拥塞疏散模型[J]. 吉林大学学报(工学版), 2018, 48(2): 440-447.
[15]	孟品超, 李学源, 贾洪飞, 李延忠. 基于滑动平均法的轨道交通短时客流实时预测[J]. 吉林大学学报(工学版), 2018, 48(2): 448-453.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed