结构辨识和参数优化协同学习的概率TSK模糊系统

摘要：

传统Takagi-Sugeno-Kang(TSK)模糊系统的结构辨识和参数优化往往分阶段进行,同时模糊规则数需要预先设定,因此TSK模糊系统的逼近性能和解释性往往不理想.针对此问题,提出了一种结构辨识和参数优化协同学习的概率TSK模糊系统(Probabilistic TSK fuzzy system,PTSK).首先,PTSK使用概率模型表示模糊回归系统,将结构辨识和参数优化作为一个整体来考虑.其次,PTSK不借助于专家经验,使用粒子滤波方法对规则数和前后件参数协同学习,得到系统全部参数的最优解.实验结果表明,PTSK具有良好的逼近性能,同时能获得较少的模糊规则数.

关键词：Takagi-Sugeno-Kang模糊系统、概率模型、回归、粒子滤波

所属期刊栏目：47

资助基金：国家自然科学基金;江苏省自然科学基金;江苏省教育科学"十三五"规划2018年度课题

在线出版日期：2021-03-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：349-362