论文部分内容阅读
针对仅依赖于输入输出样本数据的复杂系统建模问题，借鉴模式识别聚类分析的理论思想，提出了基于密度聚类提取样本数据模糊规则的理论和方法，通过密度聚类法提取样本数据输入输出变量间的内在规则，并根据密度聚类提取规则的特点，建立了基于密度聚类的模糊逻辑推理方法，确立了一种基于密度聚类的模糊神经网络（DFNN）模型结构。以石化过氧化氢异丙苯（CHP）分解反应过程为对象，进行了仿真建模比较分析，结果表明在模型精度和可靠性上，均优于基于c均值聚类提取规则的模糊神经网络（CFNN），验证了DFNN建模方法的有效性。