论文部分内容阅读
针对复杂系统建模过程中出现的输入输出维数高和规则提取困难等问题，引入模式辨识理论体系中的聚类分析思想，提出了基于粒子群聚类提取样本数据模糊规则的方法．利用粒子群聚类自适应地分析样本聚类中心和聚类数，获得模糊推理规则和隶属度函数个数，结合该方法的特点，建立了一种基于粒子群聚类的模糊神经网络结构．采用模糊RBF算法进行网络训练，调整隶属度函数参数和连接权值，完成网络参数辨识．仿真实例表明，该方法适合复杂系统的建模，具有辨识精度高、收敛速度快和规则自提取的优点，对系统建模具有一定指导意义．