Compact TS-Fuzzy Models through Clustering and OLS plus FIS Mode...

解决了通过聚类构建可解释的 Takagi--Sugeno (TS) 模糊模型。 首先，展示了如何从 Gath--Geva 算法获得的聚类中导出 TS 模型的先行模糊集和相应的后续参数。 为了保留先行空间的分区，可以在模型中使用线性变换的输入变量。 然而，这可能会使规则的解释复杂化。 为了形成一个不使用转换后的输入变量的易于解释的模型，基于高斯混合模型的期望最大化 (EM) 识别，提出了一种新的聚类算法。 TS 模型中最相关的后续变量是基于获得的聚类通过正交最小二乘法选择的。 为了选择相关的前因（调度）变量，已经开发了一种基于 Fisher 的类间可分离性标准的新方法。 这种新技术应用于两个众所周知的基准问题：MPG（英里每加仑）预测和模拟的二阶非线性过程。 所得结果与文献结果进行比较。 先行算法描述如下： [1]J. Abonyi，R。Babuska，F。Szeifert，《用于识别T