《表5 柯西噪声下 (x0=0.1, γ=0.002) HtRbF和RRbF输出结果的误差 (GR)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向重尾噪声的模糊规则模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对表2和表3进行分析，首先进行横向比较.对于添加了学生t分布噪声，本文的HtRbF模型比RRbF模型的均方根和误差都有明显变化.误差下降率s的数值平均为2%，可知本文模型对于重尾噪声数据性能较RRbF模型提升了2%.由于规则生成部分使用了新的针对重尾噪声的聚类方法具有显著效果，但反映在模型输出时变化的幅度会被缩小，所以本文模型误差缩小得较为明显，HtRbF模型比RRbF模型更加接近真实，输出具有良好的抗噪效果.其次进行纵向比较，噪声越大误差越大，规则数越多误差越小.从表2和表4可以看出，在后件部分使用二次函数模型，输出误差比使用线性函数要小，效果更好.表5和表6是添加了柯西和Erlang噪声的实验结果，可以看出，HtRbF模型不仅对学生t分布噪声有效，同样也适用于其他的重尾噪声，并且抗噪效果良好.