遗传模糊分类系统构建中规则获取和解释性优化的关键技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-19页 |
| ·基于知识的模糊技术 | 第9-11页 |
| ·遗传模糊分类系统 | 第11-16页 |
| ·遗传模糊分类系统的结构 | 第11-13页 |
| ·遗传模糊分类系统的研究现状 | 第13-16页 |
| ·研究内容 | 第16-19页 |
| 第二章 模糊逻辑与遗传算法 | 第19-35页 |
| ·模糊集合理论 | 第19-20页 |
| ·模糊规则及模糊推理 | 第20-24页 |
| ·语言变量及模糊规则 | 第20-22页 |
| ·模糊推理系统 | 第22-24页 |
| ·模糊分类系统的性能指标 | 第24-27页 |
| ·遗传算法结构 | 第27-31页 |
| ·早熟收敛及其抑制 | 第31-35页 |
| 第三章 基于语言建模的模糊隶属函数 | 第35-50页 |
| ·词语计算 | 第35-39页 |
| ·词语计算背景 | 第35-36页 |
| ·词语计算结构 | 第36-39页 |
| ·专家知识的融合 | 第39-43页 |
| ·融合专家知识的模糊分类系统 | 第39-40页 |
| ·基于语言建模的词语选择和变换 | 第40-43页 |
| ·实验与分析 | 第43-48页 |
| ·本章小结 | 第48-50页 |
| 第四章 分类规则自动获取的遗传机器学习方法 | 第50-71页 |
| ·遗传机器学习简介 | 第50-53页 |
| ·基于机器学习的模糊遗传算法 | 第53-55页 |
| ·遗传模糊学习算法设计 | 第55-64页 |
| ·编码及初始基因池策略 | 第56-58页 |
| ·规则分类结果的确定 | 第58-59页 |
| ·适应度函数 | 第59-60页 |
| ·选择、精英选择及覆盖算法 | 第60-62页 |
| ·交叉和变异 | 第62-64页 |
| ·实验与分析 | 第64-70页 |
| ·测试数据集 | 第64-65页 |
| ·遗传学习参数设置及结果 | 第65-66页 |
| ·实验分析 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 小生境的遗传模糊学习方法 | 第71-94页 |
| ·小生境技术 | 第71-75页 |
| ·共享 | 第72-74页 |
| ·排挤 | 第74-75页 |
| ·传统遗传模糊学习方法搜索能力的分析 | 第75-78页 |
| ·基于小生境的遗传模糊学习方法 | 第78-81页 |
| ·相似性测度的定义 | 第78-79页 |
| ·适应度共享 | 第79-80页 |
| ·排挤 | 第80-81页 |
| ·学习算法描述 | 第81页 |
| ·分类测试问题的设置 | 第81-83页 |
| ·实验与分析 | 第83-93页 |
| ·测试分类问题的构造及实验结果 | 第84-91页 |
| ·标准数据上的实验结果 | 第91-93页 |
| ·本章小结 | 第93-94页 |
| 第六章 系统解释性及多目标遗传优化算法 | 第94-115页 |
| ·模糊分类系统的解释性 | 第94-97页 |
| ·分类系统的解释性分析 | 第97-100页 |
| ·规则获取阶段的解释性 | 第97-99页 |
| ·规则集合解释性优化的分析 | 第99-100页 |
| ·多目标优化的遗传算法 | 第100-109页 |
| ·多目标优化问题及常见的算法 | 第100-103页 |
| ·相似性简化的优化算法 | 第103-105页 |
| ·基于Pareto方法的优化算法 | 第105-109页 |
| ·实验与分析 | 第109-114页 |
| ·相似性简化算法的实验 | 第110-111页 |
| ·NSGA-Ⅱ优化算法的实验 | 第111-114页 |
| ·本章小结 | 第114-115页 |
| 第七章 总结 | 第115-118页 |
| ·总结 | 第115-116页 |
| ·进一步的工作 | 第116-118页 |
| 参考文献 | 第118-129页 |
| 致谢 | 第129-130页 |
| 在读期间承担的科研项目和发表的学术论文 | 第130页 |
