Modelamiento difuso con técnicas de Clustering

  • Diana Marcela González Chaparro Universidad Distrital Francisco José de Caldas
  • Sergio Barato Quintero Universidad Distrital Francisco José de Caldas
Palabras clave: clustering difuso, centros, función objetivo, matriz de partición, modelo difuso TSK. (es_ES)

Resumen (es_ES)

En este documento se presentan técnicas para derivar modelos difusos Takagi-Sugeno-Kang (TSK) de sistemas complejos, no lineales y semidesconocidos a partir de métodos de clustering (agrupamiento). Se utilizan tres algoritmos: GustafsonKessel (GK), Maximum Likelihood Estimation (MLE) y una modificación a la versión simplificada del algoritmo de Maximum Likelihood. Estos son evaluados en condiciones de presencia ruido. De los resultados de las simulaciones se demostró que el algoritmo menos vulnerable ante ruido es el GK. Adicionalmente, se encontró que en condiciones de poco ruido la generación de submodelos lineales eficientemente se obtuvo con el algoritmo MLE modificado.

Descargas

La descarga de datos todavía no está disponible.

Referencias

L.X.Wang, A Course in Fuzzy Systems and Control. Prentice Hall, 1997.

T. Takagi and M. Sugeno, "Fuzzy Identification of Systems and Its Applications to Modeling and Control", IEEE Trans.on Systems, Man and Cybernetics, vol. SMC-15, No.1, 1985

D. E. Gustafson and W. C. Kessel, "Fuzzy Clustering with a Fuzzy Covariance", Proc.IEEE CDC, pp 761-766, San Diego, CA, USA, 1979

R. Babuska, Fuzzy Modeling for Control. Kluwer Academic Publishers, 1998.

R. Babuska, "et al", "Improved Covariance Estimation for Gustafson-Kessel Clustering", Proc. Of the 2002 IEEE International Conference on Fuzzy Systems,vol. 2, pp. 1081-1085, 2002.

I. Gath and A. B. Geva, "Unsupervised Optimal Fuzzy Clustering", IEEE Trans. On Pattern Analisis and Machine Intelligence, vol. 11, No. 7, pp. 773-781, 1989.

J. C. Bezdek and J. C. Dunn, "Optimal Fuzzy Partitions": A Heuristic for Estimating the Parameters in a Mixture of Normal Distributions, IEEE Trans.on Computers, pp. 835-838, 1975

P. L. Meyer, Probabilidad y Aplicaciones Estadisticas, Addison Wesley, 1992.

J. Abonyi, "et al", "Modified Gath-Geva Fuzzy Clustering for Identification of Takagi-Sugeno Fuzzy Models", IEEE Trans. on Systems, Man and Cybernetic, Part B, October, 2002.

J. Abonyi, "et al", "Identification of Nonlinear System Using Gaussian Mixture of local Models", Hungarian Journal of Industrial Chemestry, vol. 29, 134-139, 2001.

Cómo citar
González Chaparro, D. M., & Barato Quintero, S. (2008). Modelamiento difuso con técnicas de Clustering. Ingeniería, 8(1), 86-94. https://doi.org/10.14483/23448393.2858
Publicado: 2008-11-30
Sección
Ciencia, investigación, academia y desarrollo