免费论文：一类非线性体例的智能化建立模型本领接洽

搀杂体例的智能化建立模型与遏制是暂时遏制范围的一个要害的前沿接洽目标，个中鉴于朦胧论理推导的建立模型和遏制是一个遭到关心的要害的接洽目标。正文鉴于朦胧树建立模型本领(Fuzzy Tree, FT)和扶助向量机回归算法(Support Vector Machines Regression, SVMR)，接洽了FT模子和SVMR算法对非线性体例的智能建立模型。重要处事囊括以次几个上面：1. 运用朦胧树建立模型本领对国际规范题解举行建立模型与猜测，体例所有地比拟了朦胧树建立模型本领和Matlab中供给的自符合神经搜集朦胧体例（ANFIS）和朦胧聚类本领以及最小二乘扶助向量机 (Least Squares Support Vector Machines, LS-SVM)本领。经过对Mackey-Glass、Lorenz和Henon二类朦胧功夫序列的接洽充溢表白，朦胧树建立模型本领具备建立模型精度高、运转速率快、泛化本领强、猜测步数多、实用范畴广等便宜，更加是对输出维数不敏锐，有较好的泛化本领，更加实用于高维输出体例，在十分水平上处置了“准则爆裂”题目。2. 因为朦胧树建立模型本领I中朦胧带宽窄 径直感化建立模型精度，模子输入的均方根缺点是 的莫大非线性因变量，且生存限制极小的情景，提出了鉴于微粒群算法(Particle Swarm Optimization, PSO)优化参数的朦胧树模子(PSO-FT)，给出了PSO-FT和局部优化PSO-FT两种算法。1) PSO-FT对每一个 举行迭代寻优，普及建立模型精度。仿真截止表白，PSO-FT算法不妨在承诺范畴内获得全部最优解，与鉴于遗传算法(Genetic Algorithm, GA)优化参数的朦胧树模子(GA-FT)比拟，在建立模型精度普及的同声，建立模型功夫同声有了鲜明的贬低；2) 局部优化PSO-FT只优化局部 ，缩小了计划量。仿真截止表白，局部优化PSO-FT与PSO-FT比拟，精度略有低沉，但建立模型功夫明显缩小。3. 对准规范扶助向量机回归算法在处置大规相貌本集时会展示演练速率慢、计划量大的题目，提出了两种新的鉴于朦胧树模子的扶助向量机回归算法。两种本领开始经过朦胧树模子将大样品数据集自符合领会成几何个子集，进而制止了大样品集题目。1) 本领I运用扶助向量机算法对各子集辨别提出扶助向量，再把那些扶助向量会合成一个新的演练样品集举行回归演练，获得所须要的猜测模子，与规范SVMR算法比拟较，该本领在保护泛化精度普遍的基础下，明显地普及了演练速率；2) 本领II运用扶助向量机对各子集数据样品举行分段拟合，而后用从属度因变量将各分段因变量润滑贯穿，获得所须要的猜测模子。仿真截止不妨看出演练精度和泛化本领略有低沉，但速率鲜明优于规范SVM和本领I。正文的处事获得国度“973”安置课题子课题“搀杂非线性体例的朦胧建立模型与遏制”（2002cb312205），国度天然科学基金中心名目“大载荷下微位移与广播段微振荡智能化积极遏制接洽”（No.60534020）、上海市中心学科基金(XK100060526)和高等院校硕士点基金 (20070006060)的帮助。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/266305.html