基于數(shù)據(jù)挖掘技術(shù)的模糊推理系統(tǒng)設(shè)計.pdf

1、模糊推理系統(tǒng)由模糊規(guī)則集和模糊推理算法組成。通常模糊推理算法都是固定的標準算法，對系統(tǒng)的整體性能影響不大。因此，模糊系統(tǒng)建模成功的關(guān)鍵取決于模糊規(guī)則的質(zhì)量。
　　 而模糊規(guī)則的生成由模糊系統(tǒng)的結(jié)構(gòu)辨識和隸屬度函數(shù)的參數(shù)優(yōu)化兩步組成。模糊系統(tǒng)的結(jié)構(gòu)辨識旨在為每個輸入變量定義適合的模糊分區(qū)以及確定對應(yīng)的模糊IF-THEN規(guī)則。結(jié)構(gòu)辨識的方法分為兩種:基于先驗知識的方法和數(shù)據(jù)驅(qū)動的方法。基于先驗知識的方法依據(jù)專業(yè)知識估計輸入輸出模糊集

2、的數(shù)量，總結(jié)IF-THEN規(guī)則。盡管該方法有過一些成功的應(yīng)用，但基于先驗知識的方法十分耗時，需要進行復(fù)雜的經(jīng)驗總結(jié)才能歸納出最終的模糊規(guī)則。而數(shù)據(jù)驅(qū)動的方法運用數(shù)據(jù)挖掘技術(shù)或者其他計算機智能方法，能夠直接從數(shù)據(jù)中提取適合的模糊規(guī)則。T-S模糊模型和模糊基函數(shù)模型是兩種廣泛應(yīng)用的模糊模型。已經(jīng)證明模糊模型能夠全局逼近非線性映射函數(shù)。為確定模糊基函數(shù)模型，王立新和孟德爾提出了一種簡單實用的方法從數(shù)值數(shù)據(jù)中抽取模糊規(guī)則，并命名為WM算法。由于

3、WM算法簡單有效，各領(lǐng)域的研究人員和工程師已經(jīng)廣泛運用該方法進行模糊建模。但對WM算法的進一部研究表明，可以改進WM算法生成模糊規(guī)則的魯棒性。
　　 本文提出了一種利用數(shù)據(jù)挖掘技術(shù)構(gòu)建模糊推理系統(tǒng)的新方法。在模糊規(guī)則的結(jié)構(gòu)辨識方面，引入數(shù)據(jù)挖掘中支持度和信任度的概念改進模糊規(guī)則提取算法，使架構(gòu)的模糊系統(tǒng)對異常值和噪聲數(shù)據(jù)具有更好的魯棒性。在隸屬度函數(shù)的參數(shù)優(yōu)化方面，本文通過調(diào)整模糊隸屬度函數(shù)的中心位置以及增減模糊集的數(shù)量，使模糊

4、系統(tǒng)的拓撲結(jié)構(gòu)與輸入輸出數(shù)據(jù)分布相適應(yīng)。并且優(yōu)化算法能夠從程序生成的不同系統(tǒng)結(jié)構(gòu)中，選擇系統(tǒng)近視精度與模糊規(guī)則復(fù)雜度最好折衷的系統(tǒng)架構(gòu)。
　　 最后，針對時間序列問題分別對經(jīng)典的Mackey-Glass混沌時間序列和實船操縱運動時間序列進行了仿真建模。在對Mackey-Glass混沌時間序列建模中，通過全面的仿真對比分析，證明了本文所提出的數(shù)據(jù)挖掘算法確實比現(xiàn)有的WM算法有更強的魯棒性。在對船舶操縱運動時間預(yù)報中，運用本文提出的

5、數(shù)據(jù)挖掘方法處理實船Z型試驗收集數(shù)據(jù)。數(shù)據(jù)挖掘算法通過提取模糊規(guī)則搭建模糊推理系統(tǒng)，對船舶操縱運動進行系統(tǒng)辨識。相比傳統(tǒng)的建模方法，模糊推理系統(tǒng)的架構(gòu)不必依據(jù)固有的框架確定船舶動態(tài)系數(shù)，避免了生成不匹配模型的情況。另外，由于在船舶航行的海況復(fù)雜，存在的風、浪、流等外部環(huán)境干擾，所收集的船舶操縱數(shù)據(jù)中經(jīng)?；烊朐肼曈绊懴到y(tǒng)建模。而基于數(shù)據(jù)挖掘算法所生成的模糊推理系統(tǒng)具有良好的魯棒性，因而能夠滿足實際情況要求，進行較精確的系統(tǒng)辨識和數(shù)據(jù)預(yù)測。