基于最小Wilcoxon学习方法的模糊树模型
模糊树方法采用最小二乘法学习模糊规则的后件参数,对例外点敏感.为此采用对例外点不敏感的最小Wilcoxon学习方法代替最小二乘法,提出一种基于最小Wilcoxon学习方法的模糊树建模方法,该方法既改善了模糊树方法对例外点敏感的缺点,又继承了模糊树方法的优点.通过对混沌时间序列预测研究,仿真结果表明:所提方法可以对Mackey-Glass 混沌时间序列进行准确预测,验证了该方法的有效性和对例外点的鲁棒性.
模糊树、例外点、最小Wilcoxon学习方法、混沌时间序列、预测
39
TP13(自动化基础理论)
国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项
2017-01-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
973-977