一、选题背景 近年来，模糊系统已成为学术和实际应用领域的研究热点之一。

特别是TSK模糊逻辑系统，在复杂非线性多变量的系统建模和控制中具有一定的优越性。

因此研究TSK模糊逻辑系统具有一定的实用性和现实意义。

作为模糊系统的一个重要分支，二型 TSK 模糊系统在工程上的应用非常广泛。

二型 TSK 模糊系统由相应一型 TSK 模糊系统扩展而来，其规则前件是模糊集合,后件是一个函数，而后件函数又有一阶与高阶之分,相应的系统称为一阶二型TSK模糊系统与高阶二型TSK 模糊系统。

经典的模糊系统建模方法只考虑训练数据比较充分的场景。

但是，如果来自当前场景的数据较少，由这些少量数据训练构建的模糊系统其泛化能力往往较差。

为了解决这个问题，本文通过迁移学习的角度，利用历史相似数据知识来辅助当前模糊系统的建模。

交叉验证是一种用来评价一个统计分析的结果是否可以推广到一个独立的数据集上的技术。

交叉验证的基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set or test set),首先用训练集对分类器进行训练,再利用验证集来测试训练得到的模型(model),以此来做为评价分类器的性能指标。