کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
410563 | 679149 | 2009 | 7 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Eliciting compact T–S fuzzy models using subtractive clustering and coevolutionary particle swarm optimization
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
پیش نمایش صفحه اول مقاله
![عکس صفحه اول مقاله: Eliciting compact T–S fuzzy models using subtractive clustering and coevolutionary particle swarm optimization Eliciting compact T–S fuzzy models using subtractive clustering and coevolutionary particle swarm optimization](/preview/png/410563.png)
چکیده انگلیسی
This paper presents a two-stage method to extract a compact Takagi–Sugeno (T–S) fuzzy model using subtractive clustering and coevolutionary particle swarm optimization (CPSO) from data. On the first stage, the subtractive clustering is utilized to partition the input space and extract a set of fuzzy rules. On the second stage, CPSO algorithm is used to find the optimal membership functions (MFs) and consequent parameters of the rule base. Simulation results on the benchmark modeling problems show that the proposed two-stage method is effective in finding compact and accurate T–S fuzzy models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 72, Issues 10–12, June 2009, Pages 2569–2575
Journal: Neurocomputing - Volume 72, Issues 10–12, June 2009, Pages 2569–2575
نویسندگان
Liang Zhao, Yupu Yang, Yong Zeng,