| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-36页 |
| 1.1 引言 | 第13-14页 |
| 1.2 模糊系统 | 第14-17页 |
| 1.2.1 纯模糊系统 | 第14-15页 |
| 1.2.2 Mamdani 型模糊系统 | 第15-16页 |
| 1.2.3 T-S 型模糊系统 | 第16-17页 |
| 1.3 模糊模型辨识研究现状 | 第17-23页 |
| 1.3.1 结构辨识 | 第18-21页 |
| 1.3.2 参数估计 | 第21-22页 |
| 1.3.3 存在的问题 | 第22-23页 |
| 1.4 核方法和支持向量机 | 第23-33页 |
| 1.4.1 核方法 | 第23-27页 |
| 1.4.2 支持向量机 | 第27-33页 |
| 1.5 本文的研究内容及研究成果 | 第33-36页 |
| 第二章 基于核学习机的模糊模型辨识 | 第36-51页 |
| 2.1 引言 | 第36-37页 |
| 2.2 核学习机与模糊模型 | 第37-42页 |
| 2.2.1 对应关系分析 | 第37-40页 |
| 2.2.2 等价条件 | 第40-42页 |
| 2.3 支持向量模糊系统 | 第42-46页 |
| 2.3.1 Mamdani 型支持向量模糊系统 | 第43-44页 |
| 2.3.2 T-S 型支持向量模糊系统 | 第44-46页 |
| 2.4 仿真结果 | 第46-50页 |
| 2.4.1 一维非线性函数建模 | 第46-47页 |
| 2.4.2 二维非线性函数建模 | 第47-49页 |
| 2.4.3 三维非线性函数建模 | 第49-50页 |
| 2.5 本章小结 | 第50-51页 |
| 第三章 基于遗传算法的核函数选择及参数优化 | 第51-66页 |
| 3.1 引言 | 第51-52页 |
| 3.2 遗传优化混合核 | 第52-58页 |
| 3.2.1 遗传算法 | 第52-55页 |
| 3.2.2 加权混合核 | 第55-56页 |
| 3.2.3 遗传优化混合核 | 第56-58页 |
| 3.3 基于遗传优化混合核的模糊辨识算法 | 第58-60页 |
| 3.4 仿真结果 | 第60-65页 |
| 3.4.1 二维非线性函数建模 | 第60-62页 |
| 3.4.2 Mackey-Glass 混沌时间序列预测 | 第62-64页 |
| 3.4.3 化工厂人工操作模型建模 | 第64-65页 |
| 3.5 本章小结 | 第65-66页 |
| 第四章 基于增量核学习的支持向量机训练方法 | 第66-88页 |
| 4.1 引言 | 第66-68页 |
| 4.2 基于核马氏距离度量的增量支持向量回归机 | 第68-75页 |
| 4.2.1 核马氏距离 | 第68-71页 |
| 4.2.2 侯选支持向量选取策略 | 第71-72页 |
| 4.2.3 增量支持向量机训练算法 | 第72-75页 |
| 4.3 混合乘积核 | 第75-76页 |
| 4.4 基于增量核学习的模糊辨识算法 | 第76-79页 |
| 4.5 仿真结果 | 第79-87页 |
| 4.5.1 二输入非线性系统建模 | 第79-81页 |
| 4.5.2 Mackey-Glass 混沌时间序列预测 | 第81-85页 |
| 4.5.3 汽车MPG 预测 | 第85-87页 |
| 4.6 本章小结 | 第87-88页 |
| 第五章 基于双重核学习的结构辨识及规则库简化策略 | 第88-109页 |
| 5.1 引言 | 第88-89页 |
| 5.2 核模糊C 均值聚类 | 第89-96页 |
| 5.2.1 模糊C 均值聚类 | 第89-93页 |
| 5.2.2 核模糊C 均值聚类算法 | 第93-96页 |
| 5.3 基于ECPD 核的支持向量回归 | 第96-99页 |
| 5.4 基于支持向量组合的规则库简化策略 | 第99-101页 |
| 5.5 基于双重核学习的模糊模型辨识算法 | 第101-103页 |
| 5.6 仿真结果 | 第103-108页 |
| 5.6.1 Box-Jenkins 煤气炉数据建模 | 第103-105页 |
| 5.6.2 Mackey-Glass 混沌时间序列预测 | 第105-108页 |
| 5.7 本章小结 | 第108-109页 |
| 第六章 总结与展望 | 第109-112页 |
| 6.1 全文总结 | 第109-110页 |
| 6.2 展望 | 第110-112页 |
| 参考文献 | 第112-124页 |
| 致谢 | 第124-125页 |
| 攻读博士期间发表、撰写的论文 | 第125页 |
