一种基于主元递归分析法的多模糊逻辑系统的组合形式

根据多个模型相加可以提高整体预测精度和鲁棒性的思想，提出了一种具有递阶特点的模糊逻辑模型。该模型采用基于山峰函数的减法聚类算法，将样本数据集分成多组来进行局部模糊模型的建立和训练，大大提高了组合模糊逻辑模型的训练效率。各局部模糊系统的预测输出通过主元递归分析法（PCR）连接，解决了模型之间的严重相关性问题，增强了模型的预测能力，提高了模型的鲁棒性。仿真结果表明，组合多个模糊逻辑模型能够达到比局部模型更好的建模效果，并能有效的改善模型的预测能力和泛化能力。