mamdani和TSK的不同

亏着潘松找着了一本经典的讲TSK的电子书，亏着他打印了出来，亏着他带回了宿舍，亏着那天我也在，亏着我的求知精神还算足，亏着有老婆可以打印，亏着周日老妈霸占了电脑玩斗地主，亏着我无聊之际舍不得浪费时间……无数的巧合使我看了这本"Fuzzy Control Systems Design and Analysis"，虽然开始只看了一章半（问题太多，看不下去了），但随后和潘兄的讨论使得我有了初步的概念，一篇用GA做TSK模糊模型辨识的文章让我终于了解了TSK。
下面来谈谈我对于mamdani和TSK之间不同的体会。
两者形式上最大的不同就是IF-THEN规则中THEN的部分。前者是用一个模糊变量来表示y，后者是用一个方程来表示y，典型的是用一个线性方程来表示。前者的优点是解释性好，符合人类思考的方式，后者的优点是精度高，在运行点附近用线性化的子系统来表示，可以做到和输入输出值高度的吻合。从这一点就不难看出，就标定参数而言，TSK模型更加方便，精确，易用，而mamdani模型标定起来则困难得多，尤其是想精度达到要求比较困难，可能要求隶属度函数形状可变，这很麻烦。
回过头来看看我前面的工作。采用的是mamdani模型，先利用经验初步给出了各变量的语言项和对应的隶属度函数类型（三角型）及取值范围，并且尽自己所能想象出了所有规则，再用实际采集的数据对隶属度函数的参数和规则权重参数进行GA优化。尽管采用了种种的改进方法，结果还是很难令人满意！
我看的那篇讲TSK模型辨识的文章上详尽的介绍了整个过程，虽然其中有些错误，但最终我还是理解了整个流程。它是从整个训练数据集出发先构建第零代TSK模型，再通过寻找最大非线性点，对训练数据集进行划分，再构建第一代TSK模型，细调后看是否满足终止条件，不满足则对其中一个划分再寻找最大非线性点，重复上面的过程，直到精度满足要求为止。这样得出的TSK模型对输入输出数据的拟合程度自然很好，唯一让我顾虑的是每个运行点处的线性方程如何解释的问题了。
早上去图书馆借了三本书，一本讲嵌入式Linux程序设计与应用，另外两本是Donald E. Knuth的"The Art of Computer Programming"的第四卷的三、四两册，借来没事翻翻～～：）不过挎包忘在存包处了，早上没法编TSK辨识的程序了，中午吃饭的时候去拿，下午再编，准备用m语言来实现，这样方便矩阵的运算，也不一定用matlab，scilab也可以运行m文件嘛～