×
莫扎·索尔塔尼;阿卜杜勒卡德·查里;费萨尔·本·赫米达

利用一种新的误差测度和粒子群优化方法，提出了一种新的模糊c-回归模型算法。 （英语） Zbl 1305.93211号

国际期刊申请。数学。计算。科学。 22，第3期，617-628（2012）.
摘要：本文提出了一种新的模糊c回归模型聚类算法。该算法基于在模糊c回归（FCRM）聚类算法的目标函数中添加第二个正则项，以考虑噪声数据。此外，在FCRM算法的目标函数中使用了一种新的误差度量，取代了此类算法中使用的度量。然后，采用粒子群优化算法对得到的模糊模型进行参数优化。采用正交最小二乘法辨识局部线性模型的未知参数。最后，给出了两个算例的验证结果，证明了该算法的有效性和实用性。

引用于三文件

MSC公司：

93E24型 随机控制系统的最小二乘法及其相关方法
62J86型 模糊性、线性推理和回归
90 C59 数学规划中的近似方法和启发式

关键词：

Takagi-Sugeno模糊模型;噪声聚类算法;模糊c回归模型;正交最小二乘法;粒子群优化
PDF格式BibTeX公司 XML格式引用
\textit{M.Soltani}等人，国际期刊应用。数学。计算。科学。22，第3号，617--628（2012；Zbl 1305.93211）
全文： 内政部

参考文献：

[1] Alci，M.（2008）。模糊规则驱动的正交逼近、神经计算及其应用17(5-6): 501-507.;
[2] Andri，R.和Ennu，R.（2011年）。识别透明、紧凑、准确和可靠的语言模糊模型，信息科学181(20): 4378-4393.;
[3] Ben，N.、Yunlong，Z.、Xiaoxian，H.和Hai，S.（2008）。基于多温优化器的动态系统处理模糊建模方法，神经计算71(7-9): 1436-1448.;
[4] Bezdek，J.C.（1981年）。用模糊目标函数算法进行模式识别，Plenum出版社，纽约州纽约市·Zbl 0503.68069号
[5] Bezdek，J.C.、Keller，J.、Krisnapuram，R.和Pal，N.（1999年）。模式识别和图像处理的模糊模型和算法，第4卷，Springer，纽约州纽约市·Zbl 0998.68138号
[6] Bidyadhar，S.和Debashisha，J.（2011年）。一种基于差分进化的神经网络非线性辨识方法——应用软计算11(1): 861-871.;
[7] Boukhris，A.、Mourot，G.和Ragot，J.（1999）。非线性无形系统辨识：多模型方法，国际控制杂志72(7-8): 591-604.; ·Zbl 0938.93512号
[8] Box，G.E.P.和Jenkins，G.M.（1970年）。《泰晤士报系列分析》，Holden Day，加利福尼亚州旧金山·Zbl 0249.62009号
[9] Brdy’s，A.M.和Littler，J.J.（2002年）。非线性伺服跟踪的模糊逻辑增益调度，国际应用数学与计算机科学杂志12（2） ：209-219·Zbl 1004.93502号
[10] Celikyilmaz，A.和Burhan Turksen，I.（2008）。使用改进的模糊聚类算法增强模糊系统模型，IEEE模糊系统事务16(3): 779-794.;
[11] Chaoshun，L.、Jianzhong，Z.、Xiuqiao，L.和Xueli，A.（2009）。基于新型模糊c-回归模型聚类算法的T-S模糊模型辨识，人工智能的工程应用22(4-5): 646-653.;
[12] Chaoshun，L.、Jianzhong，Z.、Xiuqiao，X.、Qingqing，L.和Xueli，A.（2010）。一种新的T-S模糊建模辨识方法，用于辨识锅炉汽轮机专家系统及其应用37(3): 2214-2221.;
[13] Chen，J.L.和Wang，J.H.（1999）。一种新的鲁棒聚类算法——密度加权模糊c均值，IEEE系统、人和控制论会议论文集，SMC 1999，日本东京，第12-15页。；
[14] Chen，J.Q.，Xi，Y.G.和Zhang，Z.J.（1998）。模糊模型辨识的聚类算法，国际控制杂志98(3): 319-329.;
[15] Chen，S.、Billings，S.A.和Luo，W.（1989）。正交最小二乘法及其在非线性系统辨识中的应用，国际控制杂志50(5): 1873-1896.; ·Zbl 0686.93093号
[16] Dave，R.N.（1991）。聚类、模式识别字母中噪声的表征与检测12(11): 657-664.;
[17] Dave，R.N.和Krishnapuram，R.（1997年）。稳健聚类方法：统一视图，IEEE模糊系统事务5(2): 270-293.;
[18] Frigui，H.和Krishnapuram，R.（1999）。一种在计算机视觉中应用的鲁棒竞争聚类算法，IEEE模式分析和机器智能汇刊21(5): 450-465.;
[19] Gath，I.和Geva，A.（1989）。无监督最优模糊聚类、IEEE模式分析和机器智能事务11(7): 773-780.; ·Zbl 0709.62592号
[20] Gustafson，D.E.和Kessel，W.C.（1979年）。带有模糊协方差矩阵的模糊聚类，IEEE决策控制会议论文集，CDC 1978，加利福尼亚州圣地亚哥，美国，第761-766页·Zbl 0448.62045号
[21] Hathaway，R.J.和Bezdek，J.C.（1993年）。切换回归模型和模糊聚类，IEEE模式分析和机器智能汇刊1（3） ：195-204年。；
[22] Hellendorn，H.和Driankov，D.（1997年）。模糊模型识别：选定方法，柏林施普林格·Zbl 0874.00030号
[23] Honda，K.、Notsu，A.和Ichihashi，H.（2010年）。模糊PCA引导的稳健k-means聚类、IEEE模式分析和机器智能事务18(1): 67-79.;
[24] Hoppner，F.、Klawonn，F.，Kruse，R.和Runkler，T.（1999）。模糊聚类分析，分类、数据分析和图像识别方法，第1版。，奇切斯特约翰·威利父子公司·Zbl 0944.65009号
[25] Ichalal，D.、Marx，B.、Ragot，J.和Maquin，D.（2010年）。非线性Takagi-Sugeno系统基于观测器的容错控制：LMI方法，《第18届地中海控制与自动化会议论文集》，MED 2010，马拉喀什，马洛科，第1278-1283页·Zbl 1273.93102号
[26] Ichihashi，H.和Honda，K.（2004年）。关于将Dave噪声模糊聚类应用于高斯混合模型的参数设置，第13届IEEE模糊系统国际会议论文集，FUZZ-IEEE 2004，匈牙利布达佩斯，第1501-1506页。；
[27] Ichihashi，H.、Honda，K.和Wakami，N.（2005年）。基于模糊马氏距离和噪声聚类的样本内离群过程鲁棒PCA，第14届IEEE模糊系统国际会议论文集，FUZZ-IEEE 2005，美国内华达州雷诺，第640-645页。；
[28] Kennedy，J.和Eberhart，R.C.（1995年）。粒子群优化，IEEE神经网络国际会议论文集，ICNN 1995，澳大利亚珀斯，第1942-1948页。；
[29] Kim，E.、Park，M.、Kim，S.和Park，M（1998）。模糊建模的变换输入域方法，模糊系统IEEE事务6(4): 596-604.;
[30] Kim，K.、Kim，Y.K.、Kim，E.和Park，M.（2004年）。一种新的TSK模糊建模方法，IEEE模糊系统国际会议论文集，FUZZ-IEEE 2004，匈牙利布达佩斯，第773-776页。；
[31] Kluska，J.（2009）。模糊建模和控制中的分析方法，模糊性和软计算研究，Springer-Verlag，柏林/海德堡·兹比尔1226.93002
[32] Ko´scielny，J.M.和Syfert，M.（2006年）。考虑到故障和症状之间关系的不确定性的模糊诊断推理，国际应用数学和计算机科学杂志16(1): 27-35.; ·Zbl 1334.93104号
[33] Leski，J.M.（2004）_-不敏感模糊c-回归模型：不敏感模糊建模简介，IEEE系统、人与控制论汇刊34(1): 4-15.;
[34] Liang，Z.，Yang，Y.和Zeng，Y..（2009）。使用减法聚类和协同进化粒子群优化、神经计算导出紧凑T-S模糊模型72(10-12): 2569-2575.;
[35] Marx，B.、Koenig，D.和Ragot，J.（2007年）。未知输入Takagi-Sugeno广义系统观测器的设计及其在故障诊断、IET控制理论和应用中的应用1(5): 1487-1495.;
[36] Nasraoui，O.和Krishnapuram，R.（1996）。具有有限拒绝和稳健尺度估计的改进可能性c均值算法，北美模糊信息处理协会两年一度会议，NAFIPS 1996，美国加利福尼亚州伯克利，第395-399页。；
[37] Niknam，T.和Amiri，B.（2010年）。一种基于PSO、ACO和k-means的高效混合聚类分析方法，应用软计算10(1): 183-197.;
[38] Ohashi，Y.（1984）。模糊聚类和稳健估计，第9次会议，SAS用户组国际，美国佛罗里达州好莱坞海滩，第1-6页。；
[39] Panchal，V.K.、Harish，K.和Jagdeep，K.（2009年）。基于粒子群优化的无监督聚类技术的比较研究，国际计算机科学与网络安全杂志9(10): 132-140.;
[40] Qi，R.和Brdys，M.A.（2009年）。基于自结构模糊系统的间接自适应控制器用于非线性建模和控制，国际应用数学与计算机科学杂志19（4） ：619-630，DOI:10.2478/v10006-009-0049-8·Zbl 1300.93100号
[41] Qiang，N.和Xinjian，H.（2011）。基于PSO的改进模糊c-均值聚类算法6(5): 873-879.;
[42] Rezaee，B.和Zarandi，M.H.F.（2010年）。信息科学Takagi-Sugeno-Kang模糊系统的数据驱动模糊建模180(2): 241-255.;
[43] Soltani，M.、Aissaoui，B.、Chaari，A.、Ben Hmida，F.和Gossa，M.（2011年）。用于T-S模糊模型识别的改进模糊c-回归模型聚类算法，第八届IEEE国际系统、信号和设备多会议论文集，SSD 2011，突尼斯索塞，第1-6页。；
[44] Soltani，M.、Chaari，A.、Ben Hmida，F.和Gossa，M.（2010a）。液位过程的改进模糊模型识别聚类算法，《第18届地中海控制与自动化会议论文集》，MED 2010，摩洛哥马拉喀什，第1151-1157页。；
[45] Soltani，M.、Chaouchi，L.、Chaari，A.、Ben Hmida，F.和Moncef，G.（2010b）。使用液位过程的解耦状态模糊模型识别非线性复杂系统，自动控制国际评论三(5): 535-544.;
[46] Sumit，S.和Dave，R.N.（1998年）。包含噪声和离群值的关系数据聚类，第七届IEEE模糊系统国际会议/计算智能世界大会论文集，安克雷奇，美国阿拉斯加州，第2卷，第1411-1416页。；
[47] Takagi，T.和Sugeno，M.（1985年）。系统的模糊识别及其在建模和控制中的应用，IEEE系统、人和控制论汇刊15(1): 116-132.; ·Zbl 0576.93021号
[48] Tran，D.和Wagner，M.（1999）。用于说话人识别的模糊高斯混合模型的稳健聚类方法，第三届基于知识的智能信息工程系统国际会议论文集，KES 1997，阿德莱德，SA，澳大利亚，第337-340页。；
[49] Wang，L.X.和Mendel，J.M.（1992年）。模糊基函数，通用逼近，正交最小二乘学习，IEEE神经网络汇刊三(5): 807-814.;
[50] Wu，K.L.和Yang，M.S.（2002年）。替代c-means聚类算法，模式识别35(10): 2267-2278.; ·Zbl 1006.68876号
[51] Wu，X.F.，Lang，Z.Q.和Billings，S.A.（2005）。基于正交最小二乘法的FIR设计方法，国际自动化与计算杂志2(2): 163-170.;
[52] Xu，Y.F.和Zhang，S.L.（2009）。红外图像的模糊粒子群聚类，《2009年第二届国际信息与计算科学会议论文集》，ICIC 2009，英国曼彻斯特，第2卷，第122-124页。；
[53] Yang，X.，Song，Q.和Liu，S.（2005）。数据聚类的稳健确定性退火算法，《国际神经网络联合会议论文集》，IJCNN 2005，加拿大蒙特利尔，第1878-1882页。；
[54] Ying，H.（2000）。《模糊控制与建模：分析基础与应用》，IEEE出版社，纽约州纽约市。；
[55] Ying，K.C.、Lin，S.W.、Lee，Z.J.和Lee，I.L.（2011年）。基于鲁棒模糊回归算法模型和粒子群优化的新型函数逼近，应用软计算38(2): 1820-1826.;
[56] Zhang，D.，Liu，X.和Guan，Z.（2006）。基于PSO的动态聚类算法及其在模糊识别中的应用，《智能信息隐藏和多媒体信号处理国际会议论文集》，IIH-MSP 2006，美国加利福尼亚州帕萨迪纳，第232-235页。；
[57] Zhang，Y.、Huang，D.、Ji，M.和Xie，F.（2011）。使用PSO和PCM结合马氏距离进行图像分割，专家系统及其应用38（7） ：9036-9040。；
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。