论文部分内容阅读
基于数据挖掘思想,使用兴趣度度量和改进的梯度下降法,提出一种新的、具有自学习能力的模糊方法来建模和预测混沌时间序列.所提方法不仅能同时辨识模糊模型、调整其参数及确定输出空间的最优模糊子集,而且解决了梯度下降法中存在的收敛速度和振荡之间的冲突问题.仿真结果表明新方法是有效的、准确的,它能很好地辨识系统的特征,并且提供了一种混沌时间序列预测的新方法.