基于改進(jìn)模糊聚類的模糊建模方法及其應(yīng)用研究.pdf

1、系統(tǒng)模糊建模是現(xiàn)代控制理論的一個(gè)重要分支，已在各個(gè)領(lǐng)域廣泛應(yīng)用，并不斷取得新成果。模糊建模是通過輸入輸出測(cè)量數(shù)據(jù)，對(duì)模糊模型中的結(jié)構(gòu)和參數(shù)進(jìn)行的辨識(shí)，從而對(duì)非線性系統(tǒng)進(jìn)行描述。圖像分割的目的是根據(jù)色彩、紋理、灰度和運(yùn)動(dòng)等特征把圖像劃分成視覺上有意義的、具有相似屬性的一些區(qū)域，圖像分割的用途幾乎涉及有關(guān)圖像處理的所有領(lǐng)域。
　　本文首先研究了模糊建模的發(fā)展過程，并圍繞著改進(jìn)的模糊聚類算法在模糊建模、圖像分割中的應(yīng)用展開討論和研究。<

2、br>　　針對(duì)最近鄰模糊聚類算法可以克服聚類中心的任意初始化這一問題，以T-S模糊模型及非線性混沌動(dòng)力系統(tǒng)為研究對(duì)象，對(duì)模糊聚類算法進(jìn)行改進(jìn)，通過引入局部劃分關(guān)聯(lián)度因子，平滑每組輸入樣本向量，并通過一系列的步驟優(yōu)化 T-S模糊模型結(jié)構(gòu)，描述動(dòng)態(tài)系統(tǒng)的特性，提高了系統(tǒng)建模的魯棒性、建模精度和建模速度。
　　針對(duì)普通模糊聚類算法模糊建模模型精度低速度較慢以及用于圖像去噪及分割質(zhì)量較差的問題，引入空間限理論知識(shí)，通過鄰近樣本點(diǎn)平滑樣本中