带惩罚项的启发式TS模糊模型参数估计

摘要

本文从TS模糊模型参数辨识的角度出发，采用带有不同惩罚项的启发式方法进行参数估计，以权衡模糊模型在训练数据上的拟合优度及测试数据上的推广性能。参数的学习过程包括两个部分。首先，当用带有参数的隶属度函数拟合由GK聚类得到的逐点隶属度函数时，惩罚隶属度函数曲率的项被加入目标函数。然后，根据正则化理论，利用长度改进的岭回归来估计模糊模型的后件参数。最后，通过发酵桶动态压力系统的模糊建模和控制，说明了该方法的有效性。