• 대한전기학회논문지:시스템및제어부문D
• /
• 제53권6호
• /
• pp.415-424
• /
• 2004

In this paper, we introduce and investigate a new category of rule-based fuzzy inference system based on Information Granulation(IG). The proposed rule-based fuzzy modeling implements system structure and parameter identification in the efficient form of “If..., then...” statements, and exploits the theory of system optimization and fuzzy implication rules. The form of the fuzzy rules comes with three types of fuzzy inferences: a simplified one that involves conclusions that are fixed numeric values, a linear one where the conclusion part is viewed as a linear function of inputs, and a regression polynomial one as the extended type of the linear one. By the nature of the rule-based fuzzy systems, these fuzzy models are geared toward capturing relationships between information granules. The form of the information granules themselves becomes an important design features of the fuzzy model. Information granulation with the aid of HCM(Hard C-Means) clustering algorithm hell)s determine the initial parameters of rule-based fuzzy model such as the initial apexes of the membership functions and the initial values of polynomial function being used in the Premise and consequence Part of the fuzzy rules. And then the initial Parameters are tuned (adjusted) effectively with the aid of the improved complex method(ICM) and the standard least square method(LSM). In the sequel, the ICM and LSM lead to fine-tuning of the parameters of premise membership functions and consequent polynomial functions in the rules of fuzzy model. An aggregate objective function with a weighting factor is proposed in order to achieve a balance between performance of the fuzzy model. Numerical examples are included to evaluate the performance of the proposed model. They are also contrasted with the performance of the fuzzy models existing in the literature.

• 한국지능시스템학회논문지
• /
• 제15권1호
• /
• pp.81-86
• /
• 2005

본 연구에서는 복잡하고 비선형 시스템을 모델 동정하기 위해 정보 granules에 기반한 퍼지 추론 시스템의 새로운 범주를 소개한다. 비공식적으로 말하면, 정보 granules는 근접성, 유사성 또는 기능성 등에 인하여 서로 결합되는 대상(특히, 수치 데이터)의 연결된 모임으로 간주된다. HCM 클러스터링에 의한 정보 granulation은 퍼지 규칙의 전반부 및 후반부에서 사용되는 멤버쉽 함수의 포기 정점과 다항식함수의 초기 값과 같은 퍼지 모델의 초기 파라미터를 결정하는데 도움을 준다. 그리고 포기 파라미터는 유전자 알고리즘과 최소자승법에 의해 효과적으로 동조된다. 또한, 퍼지 모델의 성능사이의 상호균형을 얻기 위하여 하중값을 가진 합성 목적함수를 사용하여 근사화와 예측성능의 향상을 꾀한다. 제안된 모델은 수치적인 예제를 가지고 평가하고, 문헌에서 나타난 기존의 퍼지 모델의 성능과 대조된다.