TY - JOUR AU - González Chaparro, Diana Marcela AU - Barato Quintero, Sergio PY - 2008/11/30 Y2 - 2024/03/28 TI - Modelamiento difuso con técnicas de Clustering JF - Ingeniería JA - Ing. VL - 8 IS - 1 SE - Science, research, academia and development DO - 10.14483/23448393.2858 UR - https://revistas.udistrital.edu.co/index.php/reving/article/view/2858 SP - 86-94 AB - 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. ER -