排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
提出一种同时考虑解释性和精确性的模糊建模方法. 首先分析影响模糊模型解释性的主要因素, 然后利用启发式搜索策略实现输入变量选择, 利用模糊聚类算法和最小二乘辨识模糊模型. 随后以输入变量数目和模糊规则数目的乘积衡量可解释性, 以均方误差衡量精确性, 并据此定义模型选择目标函数. 最后给定最大最小的输入变量数目和规则数目, 辨识得到一组模糊模型, 利用模型选择目标函数, 选择最优的模糊模型, 并采用遗传算法进行优化, 达到解释性与精确性的折衷. 煤气炉仿真例子验证了该方法的有效性. 相似文献
1