具备特征优选功能的中心化TSK模糊系统

摘要 对于经典的TSK模糊系统，模糊规则往往存在冗余而且后件参数缺乏可解释性.本文将TSK模糊系统模型转化为中心化形式，并将其建模过程转换为一个分块稀疏表示问题，提出FCAsparseCTSK模糊模型.首先运用模糊聚类算法(FCA)对样本特征进行化简，并产生模糊系统字典；再利用存在于中心化TSK(CTSK)模糊模型中的分块结构信息，选取重要的模糊规则并对所选模糊规则的后件参数进行估计.该模型通过中心化方法提高了模糊模型的可解释性，并对模糊规则及模糊规则数同时化简，在合成数据集和真实数据集上都表现出较好的性能