这一篇的主题

前一篇主要把TSK引入车辆跟驰模型，下一步是要完善它，一方面从构建方法上，一方面从结果分析上。
构建方法上要利用数据分类算法将数据先分成不同部分，再针对各部分进行建模，这样可以显著提高建模速度和质量，因为原来的方法随着分组的增加，染色体长度会迅速增加，很快就到达一个难以处理的复杂程度，这时的优化速度和效果都会下降。采用事先数据分类的方法，可以有效减小分组，可以多线程运算不同的数据分组，大大提高效率。不过要注意的是最后将各分类的结果组合起来时效果如何尚不得知，可能精度并不高，这时可以考虑对各子规则的权重再进行一次优化，使得最后的结果也能最优。
今天的工作是第一步工作，算是一个测试吧，将前面两段不同数据得出的模型参数组合到一起，生成一个新的模型，然后看对两段数据组合的效果如何。如果效果不佳，则尝试对各规则权重进行再优化。
这项工作做好后，开始找合适的数据分类算法，根据状态空间内数据点的聚集情况分类，对于那些不太靠谱（不特别接近于任何一个分类）的点，可以重复放入多个周围的分类中，作为一个工作点的临界数据点来处理。