González Chaparro, Diana MarcelaBarato Quintero, Sergio2019-09-192019-09-19http://hdl.handle.net/11349/19723En este documento se presentan técnicas para derivar modelos difusos Takagi-Sugeno-Kang (TSK) de sistemas complejos, no lineales y semidesconocidos a partir de métodos de clustering (agrupamiento). Se utilizan tres algoritmos: GustafsonKessel (GK), Maximum Likelihood Estimation (MLE) y una modificación a la versión simplificada del algoritmo de Maximum Likelihood. Estos son evaluados en condiciones de presencia ruido. De los resultados de las simulaciones se demostró que el algoritmo menos vulnerable ante ruido es el GK. Adicionalmente, se encontró que en condiciones de poco ruido la generación de submodelos lineales eficientemente se obtuvo con el algoritmo MLE modificado.application/pdftext/htmlclustering difusocentrosfunción objetivomatriz de particiónmodelo difuso TSK.clustering difusocentrosfunci&oacuten objetivomatriz de partici&oacutenmodelo difuso TSK.info:eu-repo/semantics/article