论文部分内容阅读
该文基于模糊聚类方法改进了一种神经模糊学习算法。在这种改进算法中，为了消去多余的训练数据及缓解训练数据间的抵触性，在进行学习模糊规则之前，首先利用模糊ｃ－平均聚类算法构造出典型的数据并将其作为实际的训练数据。然后，使用实际的训练数据及利用神经模糊学习算法调整模糊规则。这样，不但学习时间被大大缩减。而且利用改进算法所生成的模糊规则更加合理并适合于识别系统模型。进一步，通过对１个非线性系统进行识别验证了改进算法的有效性。