区间二型TSK模糊逻辑系统的混合学习算法的研究

发布时间：2017-09-22 04:01

  本文关键词：区间二型TSK模糊逻辑系统的混合学习算法的研究

  更多相关文章： 二型TSK模糊逻辑系统 神经网络 模糊K-均值聚类 最小二乘法 BP算法

【摘要】：近年来,作为二型模糊逻辑系统的一个重要分支,二型TSK模糊逻辑系统已广泛应用于复杂非线性多变量的系统建模和控制中,因此研究二型TSK模糊逻辑系统的设计算法问题具有实用性和现实意义。目前二型TSK模糊逻辑系统还存在实现困难的不足,主要是算法单一,而将不同的优化算法结合起来设计模糊逻辑系统,能更好地利用不同算法的优势,使模糊逻辑系统性能更好,更加适用于应用,是目前研究的新课题。本文主要基于A1-C1、A2-C0、A2-C1(A—规则前件,C—规则后件)三种区间二型TSK模糊逻辑系统的设计算法展开研究,分别设计三种区间二型TSK混合系统模型。并将所设计的混合模型应用于实际问题的预测中,给出仿真研究,仿真结果表明所设计的混合模型应用于实际是可行的与有效的。具体工作如下:(1)详细介绍了模糊逻辑系统、TSK模糊逻辑系统及相关参数优化算法。(2)研究了A1-C1型区间二型TSK模糊逻辑系统混合算法的设计。将模糊逻辑系统融于神经网络形成模糊神经网络系统,通过模糊K-均值算法筛选规则,先用最小二乘法优化系统后件参数,再用BP算法优化系统前件参数,最后将所设计的混合系统应用于国际布伦特原油价格预测中,并与单一算法进行比较。仿真结果表明,所设计的混合系统模型应用于实际问题的预测是可行的、有效的。(3)研究了A2-C0型区间二型TSK模糊逻辑系统混合算法的设计。将模糊逻辑系统融于神经网络形成模糊神经网络系统,通过模糊K-均值算法筛选规则,先用最小二乘法优化系统后件参数,再用BP算法优化系统前件参数,最后将所设计的混合系统应用于国际布伦特原油价格预测中,并与单一算法进行比较。仿真结果表明,所设计的混合系统模型应用于实际问题的预测是可行的、有效的。(4)在A1-C1型和A2-C0型的基础上,研究了A2-C1型区间二型TSK模糊逻辑系统混合算法的设计。将模糊逻辑系统融于神经网络形成模糊神经网络系统,通过模糊K-均值算法筛选规则,先用最小二乘法优化系统后件参数,再用BP算法优化系统前件参数,最后将所设计的混合系统应用于国际布伦特原油价格预测和俄罗斯交易系统指数预测中,并与单一算法进行比较。仿真结果表明,所设计的混合系统模型应用于实际问题的预测是可行的、有效的。
【关键词】：二型TSK模糊逻辑系统 神经网络 模糊K-均值聚类 最小二乘法 BP算法
【学位授予单位】：辽宁工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O159;TP183
【目录】：

• 摘要5-6
• Abstract6-10
• 1 绪论10-13
• 2 相关知识13-22
• 2.1 模糊逻辑系统13-17
• 2.1.1 一型模糊逻辑系统及应用13-15
• 2.1.2 二型模糊逻辑系统及应用15-17
• 2.2 区间二型TSK模糊逻辑系统17-18
• 2.3 神经网络结构18-19
• 2.4 参数优化算法19-21
• 2.4.1 BP算法19
• 2.4.2 最小二乘法19-20
• 2.4.3 模糊K-均值算法20-21
• 2.5 小结21-22
• 3 A1-C1型区间二型TSK模糊逻辑系统的混合学习算法及应用22-35
• 3.1 A1-C1型区间二型TSK模糊逻辑系统22-23
• 3.2 A1-C1型区间二型TSK模糊逻辑系统的设计23-27
• 3.2.1 模糊规则筛选23-24
• 3.2.2 模糊神经网络系统结构24-25
• 3.2.3 后件参数确定25-26
• 3.2.4 前件参数确定26-27
• 3.3 混合系统在国际布伦特原油价格预测中的应用27-34
• 3.3.1 数据来源27-28
• 3.3.2 输入输出训练对及规则提取28
• 3.3.3 系统设计及应用28-33
• 3.3.4 算法性能比较33-34
• 3.4 小结34-35
• 4 A2-C0型区间二型TSK模糊逻辑系统的混合学习算法及应用35-48
• 4.1 A2-C0型区间二型TSK模糊逻辑系统35
• 4.2 A2-C0型区间二型TSK模糊逻辑系统的设计35-40
• 4.2.1 模糊规则筛选35-36
• 4.2.2 模糊神经网络系统结构36-38
• 4.2.3 后件参数确定38-39
• 4.2.4 前件参数确定39-40
• 4.3 混合系统在国际布伦特原油价格预测中的应用40-47
• 4.3.1 数据来源40
• 4.3.2 输入输出训练对及规则提取40-41
• 4.3.3 系统设计及应用41-46
• 4.3.4 算法性能比较46-47
• 4.4 小结47-48
• 5 A2-C1型区间二型TSK模糊逻辑系统的混合学习算法及应用48-69
• 5.1 A2-C1型区间二型TSK模糊逻辑系统48
• 5.2 A2-C1型区间二型TSK模糊逻辑系统的设计48-53
• 5.2.1 模糊规则筛选48-49
• 5.2.2 模糊神经网络系统结构49-51
• 5.2.3 后件参数确定51-52
• 5.2.4 前件参数确定52-53
• 5.3 混合系统在RTS指数预测中的应用53-60
• 5.3.1 数据来源54
• 5.3.2 输入输出训练对及规则提取54-55
• 5.3.3 系统设计及应用55-59
• 5.3.4 算法性能比较59-60
• 5.4 混合系统在国际布伦特原油价格预测中的应用60-68
• 5.4.1 数据来源60-61
• 5.4.2 输入输出训练对及规则提取61
• 5.4.3 系统设计及应用61-66
• 5.4.4 算法性能比较66-68
• 5.5 小结68-69
• 6 结论69-70
• 参考文献70-73
• 攻读硕士期间参与科研项目与发表学术论文情况73-74
• 致谢74

【相似文献】

中国期刊全文数据库 前10条

1 张小红;何华灿;徐扬;;基于Schweizer-Sklar T-范数的模糊逻辑系统[J];中国科学E辑:信息科学;2005年12期

2 孙昌安;模糊逻辑系统建模函数的数学描述[J];沈阳航空工业学院学报;1998年03期

3 邹丽;上下文相关模糊逻辑系统及其归结方法[J];辽宁师范大学学报(自然科学版);2002年03期

4 王文丽;单荣立;刘林;;基于模糊球的模糊逻辑系统及其逼近性质[J];模糊系统与数学;2008年03期

5 卞扣成;兰洁;王涛;;区间二型模糊逻辑系统在水位模糊控制中应用及仿真研究[J];辽宁工业大学学报(自然科学版);2010年06期

6 张兴芳;;命题模糊逻辑系统中公式的理论可证度[J];河北师范大学学报(自然科学版);2007年04期

7 高芹;张兴芳;王庆平;;命题模糊逻辑系统G銉d中公式的理论可证度[J];山东大学学报(理学版);2007年10期

8 史士英;李涛;张圣;尹义龙;;模糊逻辑系统的非线性组合预测方法与系统误差分析研究[J];计算机工程与科学;2008年11期

9 李学锋，黄万伟，周凤岐;自适应模糊逻辑系统的聚类学习算法研究[J];控制与决策;1996年04期

10 孙多青,霍伟;线性多步法模糊逻辑系统(英文)[J];控制理论与应用;2001年06期

中国博士学位论文全文数据库 前3条

1 张耿;概率模糊逻辑系统的理论研究及在复杂过程建模中的应用[D];中南大学;2012年

2 王文庆;基于模糊逻辑系统的复杂系统分析与控制[D];西北工业大学;2003年

3 岳菊梅;面向后件集的模糊推理机制及在Type-1与Type-2模糊逻辑系统中的应用[D];南开大学;2013年

中国硕士学位论文全文数据库 前10条

1 郭小蕾;区间二型TSK模糊逻辑系统的混合学习算法的研究[D];辽宁工业大学;2016年

2 王文丽;模糊球及其在模糊逻辑系统中的应用研究[D];西安建筑科技大学;2008年

3 李玉姣;新的无规则模糊逻辑系统构造及控制应用[D];广东工业大学;2014年

4 刘汇洋;若干广义t-模及相关模糊逻辑系统[D];宁波大学;2010年

5 王明辉;区间2型模糊逻辑系统的鲁棒性分析[D];东北大学;2011年

6 高子林;基于自适应模糊逻辑系统的非线性系统跟踪及同步控制[D];广东工业大学;2013年

7 闫鹏;二型模糊逻辑系统的降型与推理模型研究[D];大连海事大学;2010年

8 何义平;基于SS-三角模的模糊逻辑系统UL~*的若干问题研究[D];南昌大学;2007年

9 鲍成磊;区间二型TSK模糊逻辑系统的设计及应用研究[D];辽宁工业大学;2014年

10 隋帅;随机大系统的模糊自适应控制及稳定性分析[D];辽宁工业大学;2014年

，

本文编号：898631