基于最小二乘支持向量机的TSK模糊模型

摘要

为了提高TSK(Takagi-Sugeno-Kang)模糊模型处理高维问题的推广能力,在结构风险最小化原则的基础上,提出了一种构造TSK模糊模型的新算法.该算法用GK(Gustafsonk-Kessel)算法确定模糊规则的前件隶属函数,然后用最小二乘支持向量回归机(LSSVR)确定模糊规则的后件参数.最小二乘支持向量回归机的核函数由模糊规则前件隶属函数生成,经证明它是Mercer核.实验结果表明,与现有算法相比,文中算法提高了TSK模糊模型处理高维问题的推广能力;与LSSVR相比,文中算法具有良好的鲁棒性.