Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Fuzzy Modeling of Optimal Initial Drug Prescription Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

A Fuzzy Clustering Approach for TS Fuzzy Model Identification

verfasst von : Mei-jiao Lin, Shui-li Chen

Erschienen in: Fuzzy Information & Engineering and Operations Research & Management

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, a fuzzy clustering approach for TS fuzzy model identification is presented. In the proposed method, the modified mountainx clustering algorithm is employed to determine the number of clusters. Secondly, the fuzzy c-regression model (FCRM) algorithm is used to obtain an optimal fuzzy partition matrix. As a result, the initial parameters can be determined by the optimal fuzzy partition. Finally, gradient descent algorithm is adopted to precisely adjust premise parameters and consequent parameters simultaneously. The simulation results reveal that the proposed algorithm can model an unknown system with a small number of fuzzy rules.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Use of Partial Supervised Model of Fuzzy Clustering Iteration to Mid- and Long-Term Hydrological Forecasting
Nächstes Kapitel Model Recognition Orientated at Small Sample Data
Literatur
1.
Jang, J.S.R., Sun, C.T., Mizutan, E.I.: Neuro-Fuzzy and Soft Computing: A Computational Approach to learning and Machine Intelligence. Prentice Hall, New York (1997)
2.
Tsekouras, G., Sarimveis, H., Kavakli, E.: A hierarchical fuzzy-clustering approach to fuzzy modeling. Fuzzy Sets Syst. 150, 245–266 (2005)MathSciNetCrossRefMATH
3.
Takagi, T., Sugeno, M.: Fuzzy identification of systems and its application to modeling and control. IEEE Trans. Syst. Man Cybern. 15(1), 116–132 (1985)CrossRefMATH
4.
Sugeno, M., Yasukawa, T.: A fuzzy-logic-based approach to qualitative modeling. IEEE Trans. Fuzzy Syst. 1(1), 7–31 (1993)CrossRef
5.
Kroll, A.: Identification of functional fuzzy models using multidimensional reference fuzzy sets. Fuzzy Sets Syst. 80(2), 149–158 (1996)MathSciNetCrossRef
6.
Hong-qian, Lu, Song, Q.-N.: A novel hybird T-S model identification algorithm. J. Harbin Inst. Technol. 43(9), 1–6 (2011)
7.
Yang, M.-S., Wu, K.-L.: A modified mountain clustering algorithm. Pattern Anal. Appl. 8, 125–138 (2005)CrossRef
8.
Hathaway, R., Bezdek, J.C.: Switching regression models and fuzzy clustering. IEEE Trans. Fuzzy Syst. 1(3), 7–31 (1993)CrossRef
9.
Wang, L.: A Course in Fuzzy Systems and Control. Tsinghua University press, Beijing (2003)
10.
Yager, R., Filev, D.: Generation of fuzzy rules by mountain clustering. J. Intell. Fuzzy Syst. 2, 209–219 (1994)
11.
Box, G.E.P., Jenkins, G.M.: Time Series Analysis, Forecasting and Control. Holden Day, San Francisco (1970)MATH
12.
Evsukoff, A., Branco, A.C.S., Galichet, S.: Structure identification and parameter optimization for non-linear fuzzy modeling. Fuzzy Sets Syst. 132(2), 173–188 (2002)MathSciNetCrossRefMATH
13.
Oh, S., Pedrycz, W.: Identification of fuzzy systems by means of an auto-tuning algorithm and its application to nonlinear systems. Fuzzy Sets Syst. 115(2), 205–230 (2000)MathSciNetCrossRefMATH
14.
Guo, Y., Lv, J.: Fuzzy modeling based on TS model and its application for thermal process. J. Syst. Simul. 22(1), 210–215 (2010)
15.
Bagis, A.: Fuzzy rule base design using tabu search algorithm for nonlinear system modelling. ISA Trans. 47(1), 32–44 (2008)CrossRef
16.
Tsekouras, G.E.: On the use of the weighted fuzzy c-means in fuzzy modeling. Adv. Eng. Softw. 36(5), 287–300 (2005)CrossRefMATH
17.
Jun, H., Pan, W.: A denclue based approach to neuro-fuzzy system modelling. Adv. Comput. Control 4, 42–46 (2010)
18.
Kim, E., Park, M., Ji, S.: A new approach to fuzzy modeling. IEEE Trans. Fuzzy Syst. 5(3), 328–337 (1997)CrossRef
19.
Farag, W.A., Quinatana, V.H., Lambert-Torres, G.: A genetic-based neuro-fuzzy approach for modeling and control of dynamical systems. IEEE Trans. Neural Networks 9(5), 756–767 (1998)CrossRef
20.
Metadaten
Titel
A Fuzzy Clustering Approach for TS Fuzzy Model Identification
verfasst von
Mei-jiao Lin
Shui-li Chen
Copyright-Jahr
2014
Verlag
Springer Berlin Heidelberg
Buch
Fuzzy Information & Engineering and Operations Research & Management

Print ISBN: 978-3-642-38666-4

Electronic ISBN: 978-3-642-38667-1

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-642-38667-1_29