基于改进FCM聚类算法的T-S模糊神经网络水质评价方法

摘要：

为了更有效地对水环境质量进行综合评价，论文提出了一种改进的 T-S（Takagi-Sugeno）模糊神经网络水质评价模型，该模型首先通过减法聚类确定模糊 C 均值聚类(FCM)的初始聚类中心和聚类数目，改善传统 FCM 算法对聚类中心初值选取的随机性及样本的敏感性，降低陷入局部最优解的可能性。将减法聚类改进的FCM算法应用到T-S模糊神经网络的特征提取中，对T-S模糊神经网络模型进行结构辨识，提高评价模型的准确性和收敛速度。通过与传统的T-S模糊神经网络比较，水质评价结果准确率更高。

关键词：FCM、T-S模型、神经网络、减法聚类、水质综合评价

分类号：TP183;X824(自动化基础理论)

资助基金：扬州市环境保护局资助项目YHK0902;江苏省科技厅软科学项目BR2008098;BR2012043

在线出版日期：2014-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1197-1202