An Improvement of Fuzzy Rules Generation Based on Fuzzy c-means Clustering Algorithm
Yan Shi, M. Mizumoto, Naoyoshi Yubazaki · Journal of Japan Society for Fuzzy Theory and Intelligent Informatics · 1997
ニューロ・ファジィ学習アルゴリズムを用いてファジィモデルのチューニングを行う場合、トレーニングデータの与え方によっては、その学習の収束時間が違うことや、生成されたファジィ規則は必ずしも妥当ではない場合があることが知られている。これは、(1)余分なトレーニングデータが存在すること、(2)トレーニングデータの間に相殺性を持つことなどが考えられる。これらの問題を解決するために、本論文では、トレーニングデータに対してファジィc-平均クラスタリングアルゴリズムにより事前処理を行い、その抽出されたクラスタセンターをトレーニング代表点とし、著者らの提案したニューロ・ファジィ学習アルゴリズムによってファジィ規則をチューニングする方法を提案する。これにより、トレーニングデータは少なくなり、収束が速く、学習後生成されたファジィ規則は実際の対象システムに合致することが考えられる。最後に、非線形関数の同定を行うことにより、提案した手法の有効性を示す。