| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第10-13页 |
| ·模糊逻辑与神经网络的优势及结合的必然性 | 第10页 |
| ·基于T-S模型的模糊神经网络是模糊逻辑与神经网络的有机结合 | 第10-11页 |
| ·水质监测数据处理的发展现状 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| 第二章 模糊理论和神经网络理论 | 第13-19页 |
| ·模糊集合和模糊理论的发展与现状 | 第13-14页 |
| ·模糊集合的概念 | 第13-14页 |
| ·模糊理论的发展和现状 | 第14页 |
| ·人工神经网络的基本类型和功能 | 第14-18页 |
| ·基本人工神经元及其网络模块 | 第15-18页 |
| ·人工神经网络的功能和特点 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 模糊神经网络 | 第19-30页 |
| ·模糊信息处理的神经网络方法 | 第19-21页 |
| ·模糊神经元模型 | 第21-23页 |
| ·模糊神经网络模型 | 第23-28页 |
| ·网络学习方法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 ANFIS算法及分析 | 第30-42页 |
| ·概述 | 第30页 |
| ·ANFIS网络结构 | 第30-34页 |
| ·基于网格的ANFIS | 第31-33页 |
| ·基于聚类的ANFIS | 第33-34页 |
| ·ANFIS学习算法 | 第34-37页 |
| ·反向传播算法 | 第34-35页 |
| ·最小二乘法 | 第35-36页 |
| ·综合学习算法 | 第36页 |
| ·学习算法的选择 | 第36-37页 |
| ·ANFIS模型分析 | 第37-41页 |
| ·模型建立步骤 | 第37-38页 |
| ·确定输入输出 | 第38-39页 |
| ·输入空间划分 | 第39-41页 |
| ·确定隶属函数 | 第41页 |
| ·参数辨识 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第五章 D-S证据理论 | 第42-50页 |
| ·D-S证据理论 | 第42-48页 |
| ·基本概念 | 第42-43页 |
| ·Dempster组合规则 | 第43-44页 |
| ·基本性质 | 第44-45页 |
| ·基本信任分配函数的构造方法 | 第45-48页 |
| ·目标判定原则 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 基于T-S模型的模糊神经网络在水质评价中的应用 | 第50-59页 |
| ·引言 | 第50-51页 |
| ·评价模型 | 第51-52页 |
| ·模型参数的个数 | 第52页 |
| ·前件网络参数的个数 | 第52页 |
| ·后件网络参数的个数 | 第52页 |
| ·训练样本的准备 | 第52-53页 |
| ·期望目标的指定 | 第53页 |
| ·水质评价等级的划分界限 | 第53页 |
| ·网络的训练、检测及水质评价 | 第53-54页 |
| ·基于D-S证据理论和BP网络的水质监测数据处理 | 第54-57页 |
| ·基于D-S证据理论的水质监测数据处理 | 第54-56页 |
| ·基于BP网络的水质监测数据处理 | 第56-57页 |
| ·比较分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第七章 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64页 |