基于支持向量機與模糊推理的系統(tǒng)辨識與控制研究.pdf

1、模糊推理系統(tǒng)(Fuzzy Inference System,FIS),或模糊邏輯系統(tǒng)(Fuzzy Logical System,FLS),簡稱模糊系統(tǒng),它是建立在模糊集合論、模糊if-then規(guī)則、模糊邏輯推理基礎上的一種先進的計算框架。模糊系統(tǒng)模擬人類的模糊思維,是處理不確定性、不精確性的有力工具,解決了在不同的情況下采用不同的決策機制問題。模糊推理的基礎是模糊規(guī)則庫的建立。作為新型學習機的支持向量機以統(tǒng)計學習理論為理論基礎,為研究有

2、限樣本情況下的統(tǒng)計識別和更廣泛的機器學習問題提供了一種新的模式識別方法。本文針對現(xiàn)有的模糊規(guī)則提取方法的不足進行了一些探索和研究,提出將模糊推理與支持向量機結合,構成一種新型的推理方式和辨識控制方法。本文的主要內(nèi)容包括:1)系統(tǒng)闡述了支持向量機的理論基礎和實現(xiàn)原理。介紹了支持向量機(Support Vector Machines, SVM)的數(shù)學理論基礎——統(tǒng)計學習理論,研究了支持向量機在解決小樣本情況下的實現(xiàn)算法,并分析了支持向量機的

3、幾何特性和核函數(shù)的選擇等問題;2)提出基于支持向量機的模糊推理模型。根據(jù)模糊推理和支持向量機的共性,將支持向量機與模糊推理結合,提出并構建了基于支持向量機的模糊推理模型,給出了其具體的實現(xiàn)算法,并通過仿真實驗與常用模糊規(guī)則提取方法進行比較;3)將基于支持向量機的模糊推理模型應用于非線性系統(tǒng)辨識。以混沌時間序列預測和三階非線性系統(tǒng)模型辨識為例進行實驗仿真,與常用的智能辨識方法進行比較,證明基于支持向量機的模糊推理模型具有較高的預測和辨識精