论文部分内容阅读
针对一类以往的聚类算法不能很好的优化输入空间的问题,从模型简化的思想出发,充分考虑了样本输出对系统的作用,将无导师的学习算法与基于梯度的信息寻优算法相结合,并根据数据分布的密度自适应的调整聚类点的分布情况.给出了基于该算法的T-s模糊神经网络实现,并以函数逼近为例说明新算法在自适应能力,建模精度及计算量等方面均优于原算法.从而达到优化系统结构的目的.