Xây dựng mô hình mờ dựa trên tập dữ liệu vào ra

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LÊ THỊ NHUNG XÂY DỰNG MÔ HÌNH MỜ DỰA TRÊN TẬP DỮ LIỆU VÀO - RA LUẬN VĂN THẠC SĨ KHOA HỌC NGƯỜI HƯỚNG DẪN : PGS.TS TRẦN ĐÌNH KHANG HÀ NỘI – 2010 MỤC LỤC LỜI CAM ĐOAN DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ .6 MỞ ĐẦU Chương - TỔNG QUAN VỀ MÔ HÌNH MỜ VÀ VẤN ĐỀ XÂY DỰNG MÔ HÌNH MỜ 10 1.1 Đặt vấn đề 10 1.2 Cấu trúc mô hình mờ 10 1.2.1 Cơ sở luật mờ 11 1.2.2 Bộ tham số mô hình 14 1.2.3 Cơ chế suy diễn 14 1.2.4 Giao diện mờ hoá 19 1.2.5 Giao diện khử mờ 20 1.3 Giới thiệu số mô hình mờ 26 1.3.1 Mô hình mờ Mamdani 26 1.3.2 Mô hình mờ Takai–Sugeno 27 1.3.3 Mô hình mờ Tsukamoto 28 1.4 Vấn đề xây dựng mô hình mờ 29 Chương - CÁC PHƯƠNG PHÁP XÂY DỰNG MÔ HÌNH MỜ DỰA TRÊN TẬP DỮ LIỆU VÀO - RA 32 2.1 Đặt vấn đề 32 2.2 Phương pháp bảng tra cứu 33 2.3 Phương pháp huấn luyện Gradient giảm 38 2.3.1 Chọn lựa cấu trúc mô hình mờ 38 2.3.2 Thiết kế tham số 40 2.4 Phương pháp đệ quy bình phương tối thiểu 46 2.5 Phương pháp thiết kế mô hình mờ sử dụng Kỹ thuật phân cụm 48 2.5.1 Một mô hình mờ tối ưu 49 2.5.2 Thiết kế mô hình mờ sử dụng kỹ thuật phân cụm 50 Chương - XÂY DỰNG MÔ HÌNH MỜ SỬ DỤNG TẬP MỜ LOẠI RỜI RẠC 55 3.1 Đặt vấn đề 55 3.2 Tập mờ loại hai rời rạc 55 3.3 Kiến trúc mô hình hệ thống mờ sử dụng tập mờ loại rời rạc 56 3.4 Phương pháp xây dựng mô hình mờ sử dụng tập mờ loại rời rạc 58 3.4.1 Phân cụm liệu với giải thuật FCM (Fuzzy C-Means Clustering) 58 3.4.2 Xác định cấu trúc mô hình mờ loại rời rạc ứng với số cụm c 60 3.4.3 Xác định số lượng cụm tối ưu 60 3.4.4 Xây dựng bảng tra cứu m 61 3.4.5 Suy diễn mờ 62 Chương - CÀI ĐẶT, THỬ NGHIỆM .65 4.1 Bài toán dự đoán ảnh hưởng sâu bệnh hại lúa 65 4.2 Kiến trúc mô hình mờ hệ thống dự đoán ảnh hưởng sâu bệnh hại lúa 66 4.3 Xây dựng mô hình mờ dự đoán ảnh hưởng sâu bệnh hại lúa 68 4.4 Xây dựng chương trình 69 4.4.1 Phân tích, thiết kế hệ thống 69 4.4.2 Môi trường ngôn ngữ lập trình 71 4.4.3 Thiết kế chương trình 71 4.5 Kết thử nghiệm 83 4.5.1 Bộ liệu mẫu 83 4.5.2 Kết 85 Chương - KẾT QUẢ VÀ BÀN LUẬN 88 KẾT LUẬN VÀ KIẾN NGHỊ .89 TÀI LIỆU THAM KHẢO 90 LỜI CAM ĐOAN Tôi xin cam đoan, luận văn tốt nghiệp Thạc sỹ công trình nghiên cứu thân hướng dẫn thầy giáo - PGS.TS Trần Đình Khang Các kết luận văn tốt nghiệp trung thực, chép toàn văn công trình khác Tôi xin chịu hoàn toàn trách nhiệm nội dung luận văn Học viên Lê Thị Nhung DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT DT2FS Discrete Type Fuzzy Sets - tập mờ loại rời rạc FCM Fuzzy C-Means - phương pháp phân cụm mờ sử dụng cho việc xác định cấu trúc mô hình mờ loại FI Fuzzy Inference – suy diễn mờ FT2FS Full Type Fuzzy Sets - tập mờ loại đầy đủ IVT2FS Interval Type Fuzzy Sets - tập mờ loại khoảng LFR Linguistic Fuzzy Rulebase - sở luật mờ ngữ nghĩa RMSE Root Mean Square Error - sai số bình phương trung bình tiêu chuẩn, dùng để đánh giá sai số SE Square prediction Error - bình phương sai số dự đoán DANH MỤC CÁC BẢNG Bảng 1.1 So sánh phương pháp khử mờ trọng tâm phương pháp khử mờ trọng tâm trung bình cho ví dụ 1.1 23 Bảng 1.2 So sánh phương pháp khử mờ 26 Bảng 4.1 Bộ liệu mẫu dùng để xây dựng mô hình 84 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1 Cấu trúc mô hình mờ 11 Hình 1.2 Một ví dụ hàm thuộc mô hình mờ hai đầu vào 13 Hình 1.3 Một minh họa cho phương pháp khử mờ trọng tâm 22 Hình 1.4 Minh họa phương pháp khử mờ trọng tâm trung bình 23 Hình 1.5 Một ví dụ phương pháp mờ hóa maximum 25 Hình 1.6 Mô hình mờ Mamdani 26 Hình 1.7 Mô hình mờ Sugeno 27 Hình 1.8 Mô hình mờ Tsukamoto 28 Hình 1.9 Sơ đồ trình xây dựng mô hình mờ 30 Hình 2.1 Việc chuyển đổi tri thức chuyên gia vào mô hình mờ 33 Hình 2.2 Một ví dụ hàm thuộc cặp vào-ra trường hợp hai đầu vào 34 Hình 2.3 Minh họa bảng tra cứu sở luật mờ .37 Hình 2.4 Biểu diễn mạng mô hình mờ 40 Hình 2.5 Lược đồ mô hình nhận dạng cho hệ thống phi tuyến động 44 Hình 2.6 Các đầu mô hình nhận dạng cho ví dụ mô 46 Hình 2.7 Một ví dụ việc xây dựng luật mờ IF-THEN từ cặp vào-ra 52 Hình 2.8 Mô hình mờ thiết kế f5(x) với σ = 0.3 54 Hình 3.1 Kiến trúc mô hình mờ sử dụng tập mờ loại hai 57 Hình 4.1 Kiến trúc mô hình mờ sử dụng tập mờ loại rời rạc cho toán dự đoán ảnh hưởng sâu bệnh hại lúa 67 Hình 4.2 Kiến trúc nguyên tắc hoạt động mô hình mờ nhúng 67 Hình 4.3 Biểu đồ phân rã chức hệ thống 70 Hình 4.4 Biểu đồ mức khung cảnh 71 Hình 4.5 Màn hình FIS Editor 72 Hình 4.6 Màn hình Membership Function 73 Hình 4.7 Màn hình Rule Editor 74 Hình 4.8 Mô hình mờ nhúng ứng với m = 3.5 c = 74 Hình 4.9 Mô hình mờ nhúng ứng với m = 1.94 c = 75 Hình 4.10 Mô hình mờ nhúng ứng với m = 1.94 c = 75 Hình 4.11 Mô hình mờ nhúng ứng với m = 1.1 c = 76 Hình 4.12 Giao diện chương trình 82 Hình 4.13 Kết thử nghiệm với liệu huấn luyện liệu kiểm thử 85 Hình 4.14 Mô hình nhúng cho kết thử nghiệm 86 Hình 4.15 Dự đoán kết với liệu đầu vào (27,30,8) 87 MỞ ĐẦU Mô hình hóa hệ thống mờ công cụ mô hình hóa hệ thống bật sử dụng việc phân tích liệu theo dạng không chắn, không rõ ràng Khi sử dụng mô hình mờ để biểu diễn tri thức người, lúc tri thức biểu diễn cách tường minh luật IF-THEN để đặt vào mô hình mờ mà nhiều xem xét chúng qua việc đo lường giá trị đầu vào-đầu hệ thống Khi đó, vấn đề quan trọng đặt làm để xây dựng mô hình mờ từ tập liệu vào-ra Có nhiều phương pháp xây dựng mô hình mờ dựa tập liệu vào-ra xây dựng dựa lý thuyết tập mờ loại phát triển ứng dụng cho toán thực tế toán nhận dạng phi tuyến động, toán điều khiển thích nghi hệ thống phi tuyến, Tuy nhiên, lý thuyết tập mờ loại tiềm ẩn mẫu thuẫn định Để phát triển mô hình logic mờ nào, người thiết kế phải xây dựng hàm thuộc cho tập mờ hệ thống, tức phải mô tả không chắn hàm thuộc rõ ràng, chắn Điều có nghĩa việc biểu diễn không chắn lại sử dụng độ thuộc mà thân chúng số thực xác Để giải vấn đề này, năm 1975, Zadeh giới thiệu khái niệm tập mờ loại hai, theo đó, độ thuộc thay số thực với tập mờ loại thông thường, xác định tập mờ loại đoạn [0,1] Tập mờ loại hai thường sử dụng trường hợp khó xác định xác giá trị độ thuộc phần tử không gian áp dụng cho nhiều toán thực tế, qua chứng minh ưu điểm trội so với tập mờ loại Trong khuôn khổ luận văn tốt nghiệp này, em xin trình bày tổng quan mô hình mờ, giới thiệu số phương pháp xây dựng mô hình mờ dựa tập liệu vào - sử dụng tập mờ loại Sau đó, luận văn trình bày chi tiết phương pháp xây dựng mô hình mờ mức cao hơn, sử dụng tập mờ loại hai rời rạc Cuối cùng, luận văn trình bày chương trình ứng dụng mang tính minh họa cho phương pháp xây dựng mô hình mờ sử dụng tập mờ loại hai rời rạc trình bày Nội dung luận văn chia làm chương với nội dung sau: - Chương 1: Giới thiệu tổng quan mô hình mờ kỹ thuật xây dựng mô hình mờ, đồng thời trình bày chế suy diễn, mờ hóa, khử mờ sử dụng cấu trúc mô hình mờ - Chương 2: Trình bày phương pháp xây dựng mô hình mờ dựa tập liệu vào - - Chương 3: Trình bày phương pháp xây dựng mô hình mờ sử dụng tập mờ loại rời rạc, giải thuật phân cụm FCM sử dụng để áp dụng cho việc khởi tạo mô hình hệ thống - Chương 4: Xây dựng chương trình ứng dụng sử dụng phương pháp xây dựng mô hình mờ trình bày chương - Chương 5: Tổng kết, bàn luận kết thu Hình 4.11 Mô hình mờ nhúng ứng với m = 1.1 c = Một số module chương trình Module phân cụm mờ: với chức phân cụm cho liệu huấn luyện, kết trả tâm cụm độ thuộc liệu cụm thu function d]= khoang_cach(handles,v,so_cum) % ham tinh khoang cach giua cac mau va tam cum % c : so cum Data = handles.Training_Data; for i=1:so_cum for j=1:so_mau d1 = 0; for t=1:4 x = (Data(j,t)- v(i,t))*(Data(j,t)- v(i,t)); d1= d1+x; end d(j,i)=sqrt(d1); end end % xac dinh xem mau nao trung voi tam cum for j=1:so_mau x=0; for i=1:so_cum b = d(j,i); 76 if d(j,i)==0 x=i; end end d(j,so_cum+1)=x; end function v = trong_tam(handles,u,m,so_cum) % tinh tam cua cac cum biet membership Data = handles.Training_Data; for t=1:so_cum for i=1:4 sum_feature=0; sum_u=0; for j=1:so_mau sum_feature = sum_feature + Data(j,i)*(u(j,t)^m); sum_u = sum_u + u(j,t)^m; end v(t,i)=sum_feature/sum_u; end end function [u,v] = FCM(handles,so_cum,m) Data =handles.Training_Data; % khoi tao tam tho ban dau x = 1; for i=1:so_cum for j=1:4 v(i,j)=Data(x,j); end x=x+1; end % phan cum voi FCM Fcm =0; while (Fcm ==0) u = do_thuoc(handles,v,m,so_cum); % tinh lai tam cua cac cum v1 = trong_tam(handles,u,m,so_cum); % kiem tra tam cu va moi x=0; for j=1:so_cum for i=1:4 y = abs(v(j,i)-v1(j,i)); if y > x x=y; 77 end end end if x sumSE(1,i) sumSE_min = sumSE(1,i); index_c = i; end end handles.c_optimal = index_c; guidata(hObject,handles); end function sumSE = Sum_SE(handles,Index,Y_MODEL) Data = handles.Training_Data; sumSE =0; for i=1:so_mau sumSE = sumSE + (Y_MODEL(i,Index(i,1)) - Data(i,4))^2; end function Index = min_SE(handles, Y_MODEL) % tinh y_model thoa man min_SE Data = handles.Training_Data; 79 %tinh SE for i=1:so_mau for j=2:index_c SEymodel(i,j)= (Y_MODEL(i,j)-Data(i,4))^2; end end % kiem tra for i=1:so_mau ymodel_SEmin=SEymodel(j,2); index = 2; for j=3:index_c if ymodel_SEmin > SEymodel(i,j) ymodel_SEmin = SEymodel(i,j); index = j; end end Index(i,1) = index; end t=0; Module xử lý kiện nhấn nút Look-up Table: Thực tính toán bảng tra cứu m function Lookup_Callback(hObject, eventdata, handles) % hObject handle to Lookup (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) if handles.check_setup == errordlg('Ban chua khoi tao he thong','Setup') else c = handles.c_optimal; Data = handles.Training_Data; m = handles.fuzzy; % khoi tao Y_MODEL for j=1:so_mau; Y_MODEL(j,1)=0; end for j=1:11 [u,v] = FCM(handles,c,m(1,j)); % tinh tam cua cum CG = centroid(handles,v,m(1,j),c); % tinh y model y_model = yModel(handles,CG,c,u); Y_MODEL = [ Y_MODEL y_model]; 80 end % tim SE Index = min_SE(handles, Y_MODEL); for j = 1:so_mau lookup(j,1) = m(1,Index(j,1)-1); end handles.Lookup_table = lookup; guidata(hObject,handles); handles.check_Lookup_table =1; gidata(hObject,handles); end 81 Thiết kế giao diện hoạt động chương trình Hình 4.12 Giao diện chương trình Giao diện chương trình chia làm khối chính: Khối Setup System: thực chức thiết lập hệ thống, gồm nút - Traning Data: cho phép chọn liệu huấn luyện (file txt) - Initialize System: cho phép xây dựng cấu trúc hệ thống mờ với giải thuật phân cụm FCM - Nút Optimal c: tính số cụm c tối ưu - m-Lookup Table: cho phép tính giá trị cho bảng tra cứu m 82 Khối Predict: thực chức kiểm thử dự đoán đầu cho mô hình - Nút Testing Data: cho phép người dùng chọn liệu kiểm thử (file txt) - Nút RMSE: thực tính toán hiển thị tổng sai số bình phương cho liệu kiểm thử - Các ô Temperature, Humidity, Light cho phép người dùng nhập giá trị cho liệu đầu vào - Nút Calculate: cho phép thực tính toán giá trị đầu (diện tích lúa bị nhiễm bệnh) hiển thị ô Infected Area - Nút Error: cho phép tính sai số đầu trường hợp liệu đầu vào nằm liệu kiểm thử - Giá trị m liên kết với mô hình mờ nhúng loại phù hợp với liệu đầu vào hiển thị ô m - Nút Display cho phép hiển thị mô hình mờ nhúng tương ứng 4.5 Kết thử nghiệm 4.5.1 Bộ liệu mẫu Bộ liệu mẫu lấy từ liệu điều tra cục bảo vệ thực vật ảnh hưởng sâu bệnh Rầy nâu Bộ liệu gồm 48 véc tơ liệu, 36 véc tơ liệu dùng làm liệu huấn luyện, 12 véc tơ liệu cuối dùng làm liệu kiểm thử STT x1 x2 x3 10 11 27.2 24.7 24.4 26.7 23.9 28.4 31.3 28.3 25.9 28.4 30 24.9 21.2 21.2 25.2 21.2 25.1 27.5 25.4 22.6 25.2 26.5 31.3 29.4 28.7 28.5 27.7 34.4 35.4 33.4 31 32.9 36 x4 82 82 82 86 94 79 65 80 91 82 78 x5 x6 x7 0 0 0 0.1 1.7 0 2.9 2.2 1.2 6.8 2.3 2.6 6.2 3.7 3.7 0.7 0.3 9.2 8.8 6.1 2.7 7.5 8.8 83 X8 4 0 0 X9 5 1 1 y 69 30 30 30 30 30 180 180 180 10 10 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 29.3 27.5 24.1 25 26.8 26.1 26.6 25.7 24.2 26.8 25 21.5 25.4 26.5 28.6 29.7 27 29.5 26.7 28 26.5 25 24.7 24.3 27.9 27.1 26.2 26.7 25.5 24.3 26.7 25.1 21.8 25.3 26.6 28.7 29.6 26.2 23.4 22 23 23.8 22.6 24.4 23 21.3 24.6 23.2 18.5 22.3 24 25.3 26.7 25 28 24.3 26.7 22 21.3 22.7 21 23.5 23.7 22.4 24.7 23.1 21.2 24.6 23.9 18.4 22.7 24.3 25.7 26.6 33.7 33.3 28 26.8 30 30.5 30.3 29.3 25.5 30 28.2 25.5 29 30.3 34.5 36 30.5 31 28 29 30 26.5 27.5 25.9 30.3 30.1 30.5 30.3 29.7 25.6 30.5 28.1 25.9 29.8 30.5 34.8 36.3 88 85 0.9 92 101.4 81 81 83 89 90 87 2.2 89 91 0.5 58 83 2.9 81 76 84 83 85 69 0.9 70 77 84 2.9 50 58 78 2.5 83 83 88 90 87 0.5 90 91 0.5 58 82 2.2 81 76 85 2.9 2.6 0.5 3.1 1.7 1.8 1.8 1.9 2.6 2.2 1.5 5.7 4.6 0 3.4 1.7 1.8 5.7 0 1.5 0.5 2.6 1.7 1.8 1.8 3.4 2.6 2.2 1.5 5.7 4.6 1.5 4.6 9.1 0.2 1.3 7.8 9.3 2.6 1.7 7.4 0.8 4.6 9.3 9.4 7.9 7.5 4.5 7.9 7.5 4.9 6.2 7.8 9.2 2.7 1.7 7.3 0.8 4.7 9.3 9.5 0 0 0 0 0 0 0 0 0 4 0 0 0 0 0 Bảng 4.1 Bộ liệu mẫu dùng để xây dựng mô hình 84 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 10 20 20 20 69 69 10 68 75 80 80 16 30 180 180 80 75 40 60 80 69 30 69 75 69 69 10 68 75 80 80 16 30 180 180 4.5.2 Kết Nhập liệu đầu vào (file txt, chứa cột liệu ứng với x1, x3, x7, y liệu huấn luyện), thực việc xác định cấu trúc mô hình hệ thống, số cụm tối ưu thu c* = Sau thiết lập bảng tra cứu m, nhập liệu kiểm thử, sai số bình phương tính RMSE = 2.8468 Thử nghiệm với véc tơ liệu kiểm thử (25.3, 29.8, 0.8, 16) thu sai số đầu mô hình 0.57932, giá trị độ mờ liên kết với véc tơ liệu huấn luyện gần với véc tơ liệu kiểm thử 1.94 (Hình 4.13) Hình 4.13 Kết thử nghiệm với liệu mẫu 85 Mô hình mờ nhúng loại (hiển thị nhấn nút Display )là mô hình FLS4 Hình 4.14 Mô hình nhúng cho kết thử nghiệm Các kết thu theo liệu kiểm thử cho thấy mô hình mờ xây dựng cho phép dự đoán kết đầu (diện tích lúa bị nhiễm bệnh) tương đối xác 86 Thực dự đoán với véc tơ liệu đầu vào (27,30,8), ta thu kết đầu dự đoán y mô hình 14.3049 Hình 4.15 Dự đoán kết với liệu đầu vào (27,30,8) 87 Chương - KẾT QUẢ VÀ BÀN LUẬN Với đề tài đặt “Xây dựng mô hình mờ dựa tập liệu vào-ra”, luận văn đạt kết sau: • Tìm hiểu lý thuyết tổng quan mô hình mờ việc xây dựng mô hình mờ • Tìm hiểu số phương pháp xây dựng mô hình mờ dựa tập liệu vào-ra sử dụng tập mờ loại (phương pháp bảng tra cứu, phương pháp huấn luyện gradient giảm, phương pháp sử dụng kỹ thuật phân cụm liệu) xem xét vài ví dụ cụ thể • Tìm hiểu phương pháp xây dựng mô hình mờ sử dụng tập mờ loại rời rạc, có sử dụng giải thuật phân cụm mờ FCM cho việc xác định cấu trúc mô hình • Cài đặt thử nghiệm phương pháp xây dựng mô hình mờ sử dụng tập mờ loại rời rạc cho toán dự đoán ảnh hưởng sâu bệnh hại lúa với tập liệu điều tra sâu bệnh hại lúa Rầy nâu Các vấn đề tồn tại: Trong phương pháp xây dựng mô hình mờ sử dụng tập mờ loại rời rạc, tham số đầu vào: giá trị m, miền xác định số cụm c = cmin, , cmax xác định trước dựa việc thử nghiệm liệu tham khảo ý kiến chuyên gia Cần xem xét thêm toán khác để giải việc lựa chọn tham số đầu vào hợp lý Chương trình cài đặt sử dụng liệu mẫu lấy theo liệu thực từ Cục bảo vệ thực vật, hạn chế việc điều tra thu thập liệu tiến hành thời gian ngắn (điều tra năm, tháng điều tra lại lần) Vì vậy, chương trình coi ví dụ thử nghiệm minh họa cho phương pháp xây dựng mô hình sử dụng tập mờ loại rời rạc 88 KẾT LUẬN VÀ KIẾN NGHỊ Luận văn hoàn thành mục tiêu đề ra: • Trình bày tổng quan mô hình mờ kỹ thuật mô hình hóa mờ • Tìm hiểu phương pháp xây dựng mô hình mờ dựa tập liệu vào-ra • Đi sâu tìm hiểu phương pháp xây dựng mô hình mờ sử dụng tập mờ loại hai rời rạc, cài đặt thử nghiệm cho toán dự đoán ảnh hưởng sâu bệnh hại lúa Trong tương lai, xem xét, hoàn thiện phương pháp xây dựng mô hình mờ sử dụng tập mờ loại rời rạc khâu lựa chọn tham số cho việc khởi tạo mô hình Về chương trình cài đặt, để có tính ứng dụng cao hơn, cần thêm thời gian để thu thập lượng liệu điều tra lớn kiểm chứng qua nhiều liệu mẫu khác Thử cài đặt chương trình theo phương pháp xây dựng mô hình khác để so sánh kết dự đoán, làm bật ưu nhược điểm phương pháp lựa chọn 89 TÀI LIỆU THAM KHẢO Li-Xin Wang (1996): “A course in Fuzzy sytems and control”, Prentice Hall, Facsimile edition, pp.89-118, 151-204 Ozge Uncu, Kemal Kilic, I.B Turksen (2004),“A New Fuzzy Inference Approach Based on Mamdani Inference Using Discrete Type Fuzzy Sets”, IEEE International Conference on Systems, Man and Cybernetics Dongrui Wu, Woei Wan Tan (2005),“Type-2 FLS Modeling Capability Analysis”,IEEE International Conference on Fuzzy Systems, 242-247 Y.M.Ali, Liangchi Zhang (2001): “A methodology for fuzzy modeling of engineering systems”, Fuzzy Sets and Systems, 118, 181-197 J.C Bezdek (1993): “Fuzzy Models - What Are They, and Why?”, IEEE Transactions on Fuzzy Systems, Vol.1, No.1 Hossein Salehfar, Nagy Bengiamin, Jun Huang (2000): “A systematic approach to linguistic fuzzy modeling based on input-output data”, Proceedings of the 2000 Winter Simulation Conference P.J Costa Branco, J.A.Dente (2001): “Fuzzy systems modeling in practice”, Fuzzy Sets and Systems 121, 73 - 93 Website tham khảo: http://home.dei.polimi.it/matteucc/Clustering/tutorial_html/cmeans.html http://www.mathworks.nl/products/fuzzylogic/demos.jsp 90 ... đó, vấn đề quan trọng đặt làm để xây dựng mô hình mờ từ tập liệu vào- ra Có nhiều phương pháp xây dựng mô hình mờ dựa tập liệu vào- ra xây dựng dựa lý thuyết tập mờ loại phát triển ứng dụng cho... đồ mô hình nhận dạng cho hệ thống phi tuyến động 44 Hình 2.6 Các đầu mô hình nhận dạng cho ví dụ mô 46 Hình 2.7 Một ví dụ việc xây dựng luật mờ IF-THEN từ cặp vào- ra 52 Hình 2.8 Mô hình mờ. .. xây dựng mô hình mờ dựa tập liệu vào - - Chương 3: Trình bày phương pháp xây dựng mô hình mờ sử dụng tập mờ loại rời rạc, giải thuật phân cụm FCM sử dụng để áp dụng cho việc khởi tạo mô hình hệ