| 1．基于遗传算法的模糊规则获取研究 | 第4-45页 |
| 1 模糊集和模糊系统 | 第6-11页 |
| 1．1 模糊集 | 第6页 |
| 1．2 隶属函数 | 第6-7页 |
| 1．3 模糊规则系统 | 第7-8页 |
| 1．3．1 语言变量和语言限制(hedge) | 第7页 |
| 1．3．2 模糊规则 | 第7-8页 |
| 1．4 模糊规则系统的可解释性(INTERPRETABILITY) | 第8-11页 |
| 1．4．1 模糊划分的完备性 | 第8页 |
| 1．4．2 模糊划分的可区分性 | 第8-9页 |
| 1．4．3 模糊规则的一致性 | 第9页 |
| 1．4．4 模糊规则的完备性和简洁性 | 第9-11页 |
| 2 遗传算法 | 第11-12页 |
| 2．1 介绍 | 第11页 |
| 2．2 遗传算法的关键技术 | 第11-12页 |
| 3 模糊区域划分和隶属函数的参数学习 | 第12-21页 |
| 3．1 用遗传算法来优化模糊划分 | 第12-16页 |
| 3．1．1 遗传算法的二进制编码 | 第13页 |
| 3．1．2 适应度函数的设计 | 第13-14页 |
| 3．1．3 遗传算法的控制参数的设定 | 第14-15页 |
| 3．1．4 实验结果和分析 | 第15-16页 |
| 3．2 基于神经网络的隶属函数参数学习 | 第16-21页 |
| 3．2．1 网络结构设计 | 第16-17页 |
| 3．2．2 参数优化学习算法设计 | 第17页 |
| 3．2．3 激活(目标)函数的构造 | 第17-21页 |
| 4 模糊规则的获取和优化 | 第21-33页 |
| 4．1 基于WANG-MENDEL方法改进的模糊规则的生成 | 第21-26页 |
| 4．1．1 模糊系统输入维数的约简 | 第21-23页 |
| 4．1．2 基于Wang-Mendel方法改进的模糊规则生成 | 第23-26页 |
| 4．2 基于遗传算法的模糊规则优化 | 第26-33页 |
| 4．2．1 模糊规则的表示 | 第26页 |
| 4．2．2 遗传算法的编码和解码 | 第26-28页 |
| 4．2．3 适应度函数的设计 | 第28-29页 |
| 4．2．4 遗传算法的选择操作 | 第29-30页 |
| 4．2．5 自适应交叉概率设计 | 第30页 |
| 4．2．6 自适应变异概率设计 | 第30-31页 |
| 4．2．7 遗传算法的控制参数的设定 | 第31-33页 |
| 5 遗传算法收敛性的研究 | 第33-38页 |
| 6 结束语 | 第38-39页 |
| 参考文献 | 第39-45页 |
| 2. The research of the fuzzy rules extraction based on genetic algorithms | 第45页 |
| 1 Fuzzy Sets and Fuzzy Systems | 第49-55页 |
| 1.1 Fuzzy Sets | 第49页 |
| 1.2 Membership functions | 第49-50页 |
| 1.3 Fuzzy Rule Systems | 第50-51页 |
| 1.3.1 Linguistic Variables and linguistic Hedges | 第50-51页 |
| 1.3.2 Fuzzy Rules | 第51页 |
| 1.4 Interpretability of Fuzzy Rule System | 第51-55页 |
| 1.4.1 Completeness of Fuzzy Partition | 第52页 |
| 1.4.2 Distinguishability of Fuzzy Partitions | 第52-53页 |
| 1.4.3 Consistency of Fuzzy Rules | 第53-54页 |
| 1.4.4 Completeness and Compactness of Fuzzy Rule | 第54-55页 |
| 2 Genetic Algorithms | 第55-56页 |
| 2.1 Introduction | 第55页 |
| 2.2 The key technipue of genetic algorithms | 第55-56页 |
| 3 Fuzzy partition and the learning of parameters of membership function | 第56-66页 |
| 3.1 Optimization of fuzzy partition using GA | 第56-61页 |
| 3.1.1 Binary encoding procedure of GA | 第57-58页 |
| 3.1.2 Designing the fitness function | 第58-59页 |
| 3.1.3 Setting the control parameters of GA | 第59-60页 |
| 3.1.4 Experiment and result analyze | 第60-61页 |
| 3.2 Learning parameters of membership function based on neural networks | 第61-66页 |
| 3.2.1 Designing the structure of the networks | 第61页 |
| 3.2.2 Learning Algorithms | 第61-62页 |
| 3.2.3 Constructing the objective function | 第62-66页 |
| 4 Extracting fuzzy rules | 第66-79页 |
| 4.1 Generating the betterment fuzzy rules based on the method of Wang-Mendel | 第66-71页 |
| 4.1.1 Input Dimension Reduction | 第66-68页 |
| 4.1.2 The generating of the batter fuzzy rules based on wang-mendel method | 第68-71页 |
| 4.2 The optimization of fuzzy rules based-on Gas | 第71-79页 |
| 4.2.1 The representation of fuzzy rules | 第71-72页 |
| 4.2.2.Encoding and decoding procedures | 第72-74页 |
| 4.2.3 Designing the fitness function | 第74-75页 |
| 4.2.4 Selection of GA | 第75-76页 |
| 4.2.5 Designing self-adaptive crossover probability | 第76-77页 |
| 4.2.6 Designing self-adaptive mutation probability | 第77页 |
| 4.2.7 Setting the control parameters of GA | 第77-79页 |
| 5 Research of the convergence of GA | 第79-84页 |
| 6 Summarize | 第84-86页 |
| Reference | 第86-91页 |
| 3．模糊规则获取主要方法的研究 | 第91-128页 |
| 0 概述 | 第92-93页 |
| 1 基本概念 | 第93-96页 |
| 1 .1、数据、信息、知识 | 第93-94页 |
| 1．2 智能计算 | 第94-95页 |
| 1．2．1 智能计算的研究背景 | 第94页 |
| 1．2．2 智能计算与智能推理的核心数学基础的现状。 | 第94-95页 |
| 1．3 知识获取 | 第95-96页 |
| 2 智能计算研究的主要方法 | 第96-106页 |
| 2．1 从符号主义到连接主义 | 第96-97页 |
| 2．2 神经网络 | 第97-99页 |
| 2．2．1、神经网络的概念及关键技术 | 第97-98页 |
| 2．2．2 神经网络的研究现状 | 第98页 |
| 2．2．3 神经网络的发展方向 | 第98-99页 |
| 2．3 遗传算法 | 第99-102页 |
| 2．3．1 遗传算法的关键实现技术 | 第100-101页 |
| 2．3．2 遗传算法的研究现状 | 第101-102页 |
| 2．3．3 遗传算法进一步的发展方向 | 第102页 |
| 2．4 模糊系统 | 第102-105页 |
| 2．4．1 隶属函数的确定 | 第103页 |
| 2．4．2 模糊规则的生成 | 第103页 |
| 2．4．3 模糊规则系统 | 第103-104页 |
| 2．4．3．1 Mamdani模糊规则系统 | 第103-104页 |
| 2．4．3．2 Takagi-Sugeno-Kang模糊规则系统 | 第104页 |
| 2．4．4 模糊系统的研究现状和发展方向 | 第104-105页 |
| 2．5 粗糙集 | 第105-106页 |
| 3 智能计算中不同方法的融合研究 | 第106-110页 |
| 3．1 遗传算法与神经网络的融合 | 第106页 |
| 3．2 模糊技术与神经网络技术的融合 | 第106-107页 |
| 3．3 模糊技术和遗传算法的融合 | 第107-108页 |
| 3．4 模糊技术、神经网络和遗传算法的综合集成 | 第108-110页 |
| 4 基于智能计算的模糊规则系统设计 | 第110-115页 |
| 4．1 基于数据驱动(data-driven)的模糊规则系统设计 | 第110-111页 |
| 4．2 基于神经网络的模糊规则系统设计 | 第111页 |
| 4．3 基于遗传算法的模糊规则系统设计 | 第111-113页 |
| 4．4 基于模糊推理的模糊规则系统设计 | 第113-115页 |
| 5 模糊规则的获取研究 | 第115-119页 |
| 5．1 基于神经网络的模糊规则提取方法 | 第115-116页 |
| 5．2 基于模糊集理论的模糊规则提取方法 | 第116页 |
| 5．3 基于遗传算法的模糊规则提取方法 | 第116-117页 |
| 5．4 基于粗糙集的模糊规则获取方法 | 第117-119页 |
| 参考文献 | 第119-128页 |
| 4. Research of main methods based on fuzzy rule extracting | 第128-167页 |
| 0 Introduction | 第129-130页 |
| 1 Basic concepts | 第130-134页 |
| 1.1 Data, Information and Knowledge | 第130-131页 |
| 1.2 Intelligent Computing | 第131-132页 |
| 1.2.1 The research background of intelligent computing | 第131页 |
| 1.2.2 Status quo of intelligent computing and intelligent inference's key mathematical foundation | 第131-132页 |
| 1.3 Knowledge Acquire | 第132-134页 |
| 2 The Main Methods Of Researching Intellective Computing | 第134-145页 |
| 2.1 From Symbolism To Jointism | 第134-135页 |
| 2.2 Neural Networks | 第135-137页 |
| 2.2.1 The concept and key technology of Neural Networks | 第135-136页 |
| 2.2.2 The present status quo of the neural network's research | 第136-137页 |
| 2.2.3 The Development Direction Of The Neural Network | 第137页 |
| 2.3 Genetic Algorithm | 第137-141页 |
| 2.3.1 The key technique of genetic algorithm's realization | 第138-140页 |
| 2.3.2 The present status in quo of genetic algorithm research | 第140页 |
| 2.3.3 The development direction that genetic algorithm | 第140-141页 |
| 2.4 Fuzzy system | 第141-143页 |
| 2.4.1 Determining membership functions | 第141-142页 |
| 2.4.2 Generating fuzzy rules | 第142页 |
| 2.4.3 Fuzzy Rule Systems | 第142-143页 |
| 2.4.4 The research's present status quo and develop direction of fuzzy systems | 第143页 |
| 2.5 Rough Set | 第143-145页 |
| 3 The research different methods' combine in Intelligence Computing | 第145-149页 |
| 3.1 the combination of genetic algorithm and neural network | 第145页 |
| 3.2 The combination of fuzzy technique and neural network technique | 第145-146页 |
| 3.3 Hybridizing the fuzzy technology and genetic algorithms | 第146-147页 |
| 3.4 The synthetical integration of fuzzy technique, NN and genetic algorithm | 第147-148页 |
| 3.5 Genetic fuzzy neural networks | 第148页 |
| 3.6 Genetic fuzzy clustering algorithms | 第148-149页 |
| 4 Designing fuzzy rule systems based on intelligence computing | 第149-154页 |
| 4.1 Fuzzy rule system design based on data-driven | 第149-150页 |
| 4.2 Fuzzy rule system design based on neural networks | 第150页 |
| 4.3 Fuzzy rule system design based on genetic algorithms | 第150-152页 |
| 4.4 Fuzzy rule system design based on fuzzy inference | 第152-154页 |
| 5 Research of extracting fuzzy rules | 第154-158页 |
| 5.1 The methods of extracting fuzzy rules based on neural networks | 第154-155页 |
| 5.2 The method of extracting fuzzy rules based on fuzzy sets theory | 第155页 |
| 5.3 The method of extracting fuzzy rules based on genetic algorithms | 第155-156页 |
| 5.4 The method of extracting fuzzy rules based on rough sets | 第156-158页 |
| References | 第158-167页 |
