基于數據挖掘的T-S模糊規(guī)則提取.pdf

1、系統(tǒng)建模一向被視為控制與優(yōu)化中必不可少的環(huán)節(jié)，實際工程中也一直奉行“建模先行”的原則。隨著科學技術的飛速發(fā)展及生產規(guī)模的不斷擴大，許多系統(tǒng)變得越來越復雜，尤其是世界范圍內日益加劇的產業(yè)競爭以及人類認識、改造和協(xié)調自然活動的深入，使系統(tǒng)建模遇到了前所未有的挑戰(zhàn)，任務艱巨，急待解決，同時，數據挖掘技術也已經出現(xiàn)，因此，如何利用數據挖掘技術解決上述問題成為當前的一個研究熱點。
　　數據挖掘技術是隨著數據存儲技術的迅速發(fā)展、數據庫規(guī)模的日

2、益擴大以及人們對數據庫中潛在信息的需求而迅速發(fā)展起來的新興的數據處理和分析技術，是計算機技術、數據庫技術、人工智能、統(tǒng)計學等相結合的產物。本論文介紹了數據挖掘技術的產生淵源、基本思想和主要研究成果，以及基于神經網絡和模糊神經網絡的數據挖掘的研究現(xiàn)狀，同時還介紹了數據挖掘在工業(yè)過程優(yōu)化領域的應用現(xiàn)狀及前景。
　　本論文通過對基于模糊神經網絡的數據挖掘的研究，在基于一階T-S模糊模型的自適應模糊神經系統(tǒng)的基礎之上，實現(xiàn)了基于二階T-S

3、模糊的模糊神經推理系統(tǒng)。盡管基于二階T-S模糊模型的自適應模糊神經系統(tǒng)較之一階系統(tǒng)要復雜，但只要選擇了正確的模型結構以及參數，對于某些問題，其性能要優(yōu)于一階系統(tǒng)。
　　文中詳細介紹了基于二階T-S模糊模型的自適應模糊神經系統(tǒng)，包括系統(tǒng)的數學描述、系統(tǒng)的結構以及系統(tǒng)的學習算法。并且用一個典型的例子來驗證了基于二階T-S模糊模型的自適應模糊神經系統(tǒng)較之一階系統(tǒng)的優(yōu)越性。
　　在文章的最后，通過銅锍PS吹煉工業(yè)過程的實際數據來驗證