当前位置: 首页 » 资料 » 健康论文 » 基于最小二乘支持向量机的TSK模糊模型

基于最小二乘支持向量机的TSK模糊模型

放大字体  缩小字体 更新日期:2018-11-26  浏览次数:2
摘 要:为了提高TSK(Takagi―Sugeno―Kang)模糊模型处理高维问题的推广能力,在结构风险最小化原则的基础上,提出了一种构造TSK模糊模型的新算法.该算法用GK(Gustafsonk―Kesse
  • 【题 名】基于最小二乘支持向量机的TSK模糊模型
  • 【作 者】蔡前凤 郝志峰 杨晓伟
  • 【机 构】华南理工大学计算机科学与工程学院 广东广州510006 广东工业大学计算机学院 广东广州510090 华南理工大学理学院 广东广州510640
  • 【刊 名】《华南理工大学学报:自然科学版》2009年 第5期 130-134页 共5页
  • 【关键词】模糊系统 模糊规则 模糊聚类 支持向量机 核函数
  • 【文 摘】为了提高TSK(Takagi―Sugeno―Kang)模糊模型处理高维问题的推广能力,在结构风险最小化原则的基础上,提出了一种构造TSK模糊模型的新算法.该算法用GK(Gustafsonk―Kessel)算法确定模糊规则的前件隶属函数,然后用最小二乘支持向量回归机(LSSVR)确定模糊规则的后件参数.最小二乘支持向量回归机的核函数由模糊规则前件隶属函数生成,经证明它是Mercer核.实验结果表明,与现有算法相比,文中算法提高了TSK模糊模型处理高维问题的推广能力;与LSSVR相比,文中算法具有良好的鲁棒性.
 
本文导航:
  • (1) 模糊系统,模糊规则,模糊聚类,支持向量机,核函数
  • 下一篇:鳖甲
  • 上一篇:暂无
 
[ 资料搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 

 
推荐图文
推荐资料
热门关注