| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| CONTENTS | 第8-10页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 模糊系统的历史背景和发展 | 第10-13页 |
| 第二章 模糊神经网络 | 第13-29页 |
| 2.1 模糊系统 | 第13-17页 |
| 2.1.1 模糊集的基本概念 | 第13-15页 |
| 2.1.2 隶属函数的常见形式 | 第15页 |
| 2.1.3 模糊集合的一些相关基本概念 | 第15页 |
| 2.1.4 模糊集合的基本运算 | 第15-17页 |
| 2.2 模糊关系及其合成 | 第17-18页 |
| 2.3 语言变量与模糊IF-THEN规则 | 第18-22页 |
| 2.3.1 语言变量 | 第18页 |
| 2.3.2 基于“if-then”的模糊蕴含关系 | 第18-19页 |
| 2.3.3 基于模糊规则库的模糊逻辑推理 | 第19-21页 |
| 2.3.4 模糊逻辑中“if-then”规则的处理 | 第21-22页 |
| 2.4 模糊规则系统 | 第22-26页 |
| 2.4.1 模糊规则系统的基本结构 | 第22-24页 |
| 2.4.2 常用的模糊推理机制 | 第24-25页 |
| 2.4.3 常见的模糊推理系统 | 第25-26页 |
| 2.4.4 Mamdani模糊系统的构造和设计 | 第26页 |
| 2.5 模糊神经网络 | 第26-29页 |
| 2.5.1 神经网络 | 第26-27页 |
| 2.5.2 模糊神经网络的结构 | 第27-29页 |
| 第三章 粒子群算法 | 第29-32页 |
| 3.1 引言 | 第29页 |
| 3.2 基本的粒子群算法 | 第29-30页 |
| 3.3 带惯性权重的粒子群算法 | 第30-32页 |
| 第四章 模糊聚类算法 | 第32-36页 |
| 4.1 硬c-划分与模糊c-划分 | 第32-33页 |
| 4.2 硬c-均值算法和模糊c-算法 | 第33-35页 |
| 4.2.1 硬c-均值算法 | 第33-34页 |
| 4.2.2 模糊c-均值算法 | 第34-35页 |
| 4.3 基于粒子群算法的模糊c-均值聚类 | 第35-36页 |
| 第五章 基于Mamdani系统参数优化的算法研究 | 第36-43页 |
| 5.1 梯度下降法设计的模糊系统 | 第36-38页 |
| 5.2 确定Mamdani模糊神经网络初始结构 | 第38-39页 |
| 5.3 Mamdani模糊神经网络参数学习 | 第39-43页 |
| 5.3.1 粒子群算法优化Mamdani模糊神经网络步骤 | 第39页 |
| 5.3.2 梯度下降法对参数进行进一步优化 | 第39-41页 |
| 5.3.3 仿真实例 | 第41-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读学位期间发表论文 | 第47-49页 |
| 致谢 | 第49页 |