基于模糊子空间聚类的0 阶岭回归TSK 模糊系统

经典数据驱动型TSK 模糊系统在利用高维数据训练模型时, 由于规则前件采用的特征过多, 导致规则的解释性和简洁性下降. 对此, 根据模糊子空间聚类算法的子空间特性, 为TSK 模型添加特征抽取机制, 并进一步利用岭回归实现后件的学习, 提出一种基于模糊子空间聚类的0 阶岭回归TSK 模型构建方法. 该方法不仅能为规则抽取出重要子空间特征, 而且可为不同规则抽取不同的特征. 在模拟和真实数据集上的实验结果验证了所提出方法的优势.