企业官网建设流程全解析

哪里有网站建设商家,wordpress插件升级,旅游网站建设导航栏,小程序微盟目录 1.引言 2.算法测试效果 3.算法涉及理论知识概要 3.1 确定T-S模糊模型结构 3.2 FCM聚类辨识前件参数 3.3 LS法辨识后件参数 4.MATLAB核心程序 5.完整算法代码文件获得 1.引言 T-S模糊模型通过“前件模糊划分后件线性拟合”实现非线性系统建模#xff0c;其参数辨识…目录1.引言2.算法测试效果3.算法涉及理论知识概要3.1 确定T-S模糊模型结构3.2 FCM聚类辨识前件参数3.3 LS法辨识后件参数4.MATLAB核心程序5.完整算法代码文件获得1.引言T-S模糊模型通过“前件模糊划分后件线性拟合”实现非线性系统建模其参数辨识分为两部分前件参数(模糊子集的隶属度与聚类中心)采用FCM模糊C均值聚类法辨识利用软聚类特性完成输入空间的最优模糊划分后件参数(线性规则的系数)采用LS最小二乘法辨识通过最小化输出误差平方和实现线性参数的最优估计。2.算法测试效果3.算法涉及理论知识概要T-S模糊模型的参数辨识是指根据系统的输入以及系统的输出来确定模型的参数包括前件结构、前件参数以及后件参数等。使得所建立的模型输出和实际的系统输出之间的误差达到最小值等。其中T-S模糊模型的前件参数辨识主要对模糊隶属函数的参数进行辨识使得辨识模型的输出和实际的输出误差达到最小常见的参数辨识方法包括FCM聚类算法。后件结构辨识主要功能是确定每条规则所对应的系数一般采用最小二乘法进行辨识其计算量较大。模型的参数辨识分为两个独立且互补的环节前件参数辨识采用FCM模糊C均值聚类算法对输入样本空间进行软划分确定模糊规则前件的隶属度函数参数隶属度矩阵、聚类中心实现输入变量的模糊分类对应模型的模糊推理部分。后件参数辨识采用LS最小二乘法将模糊规则的后件线性输出转化为线性方程组通过最小化模型输出与实际输出的误差平方和求解后件的线性系数参数保证模型的拟合精度。 该方法结合了FCM聚类的模糊划分能力与LS法的线性最优估计特性在非线性系统建模中兼具柔性与精度。3.1 确定T-S模糊模型结构3.2 FCM聚类辨识前件参数给定输入样本集X[x1,x2,…,xN]TFCM通过迭代优化实现c类聚类对应c条规则输出聚类中心与样本隶属度。定义FCM目标函数迭代更新隶属度与聚类中心3.3 LS法辨识后件参数将模型输出转化为线性形式通过LS法最小化输出误差求解后件参数P。将辨识得到的前件与后件参数代入T-S模型输入测试样本得到模型输出通过均方误差等指标验证建模精度完成参数辨识。4.MATLAB核心程序........................................................ %前-参数辨识 [center,U,obj_fcn] IFP_FCM(x,c,options); ................................................................... %LS参数 ainv(xx*xx)*xx*y; %计算T-S模糊模型输出序列 y_d xx*a; t 1:n; %生成时间序列 err(idx,kk)mean2(abs(y(:,1)-y_d(:,1))abs(y(:,2)-y_d(:,2))abs(y(:,3)-y_d(:,3))abs(y(:,4)-y_d(:,4))); end end figure; plot(iters,mean(err,2),-r,... LineWidth,1,... MarkerSize,6,... MarkerEdgeColor,k,... MarkerFaceColor,[0.9,0.9,0.0]); grid on xlabel(不同迭代次数); ylabel(TS模糊模型辨识误差); 08_093m5.完整算法代码文件获得完整程序见博客首页左侧或者打开本文底部VV关注后回复码X112