基于正则化的模糊 C-均值聚类算法及其在T-S 模糊系统辨识问题中的应用

• 作者: 张大庆 徐再花 王艳
• 来源期刊: 信阳师范学院学报（自然科学版）
• 学科: 工学
• 关键词: 模糊聚类 正则化 模糊模型 系统辨识
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 应用技术研究
• 页码范围: 124-128
• 页数: 5页
• 分类号: TP13
• 字数: 3754字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0972.2016.01.030

摘要

在模糊C‐均值聚类问题目标函数中使用正则化泛函，将聚类中心解的误差指标引入到模糊聚类的目标函数中，构造出新的模糊 C‐均值聚类算法 RBFCM （Regularization based Fuzzy C‐means）算法。算法RBFCM不仅具有较高的聚类精度，且计算结果具有更好的稳定性。进一步，将此RBFCM 算法应用于基于 T‐S模糊模型的系统辨识问题。由于RBFCM算法优化了模糊系统的输入空间划分，提高了隶属度函数的精度，使得后继得到的T‐S模糊系统辨识精度也有所提高，且系统辨识过程的收敛速度也有所改善。最后，通过对经典IRIS数据集、带有噪声的IRIS数据集的聚类算例和对Box‐Jenkins煤气炉数据集进行辨识算例，验证了RBF‐CM算法的有效性和优越性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王艳	辽宁科技大学理学院	31	43	4.0	5.0
2	徐再花	辽宁科技大学理学院	2	11	2.0	2.0
3	张大庆	辽宁科技大学理学院	11	26	3.0	4.0