基于样本数据的模糊系统建模研究
| 第一章 绪论 | 第1-11页 |
| ·研究背景、意义 | 第8-9页 |
| ·本文所做的工作 | 第9-11页 |
| 第二章 基础理论 | 第11-30页 |
| ·经典集合表示法 | 第11页 |
| ·模糊集合的基本概念 | 第11-14页 |
| ·模糊集合运算 | 第14-16页 |
| ·模糊关系与扩展原理 | 第16-18页 |
| ·模糊IF-THEN规则 | 第18-19页 |
| ·模糊推理 | 第19-21页 |
| ·推理复合规则 | 第19-20页 |
| ·模糊并组合的独立推理 | 第20页 |
| ·常见的推理机 | 第20-21页 |
| ·模糊逻辑系统的分类 | 第21-23页 |
| ·纯模糊逻辑系统 | 第21页 |
| ·具有模糊器和解模糊器的模糊逻辑系统 | 第21-23页 |
| ·TSK模糊系统 | 第23页 |
| ·人工神经网络 | 第23-25页 |
| ·人工神经元模型 | 第23-24页 |
| ·人工神经网络的结构 | 第24页 |
| ·人工神经网络的特点 | 第24-25页 |
| ·模糊神经网络 | 第25-29页 |
| ·模糊神经网络模型 | 第26-27页 |
| ·自适应神经模糊推理系统(ANFIS) | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于样本数据的模糊建模述略 | 第30-38页 |
| ·引言 | 第30页 |
| ·模糊系统的结构辨识 | 第30-33页 |
| ·格栅划分 | 第30页 |
| ·基于聚类算法的划分 | 第30-31页 |
| ·二叉回归树法 | 第31-33页 |
| ·模糊自适应谐振算法 | 第33页 |
| ·参数优化的方法 | 第33-37页 |
| ·误差反向传播算法 | 第33-34页 |
| ·最小二乘法 | 第34页 |
| ·混合学习算法 | 第34-35页 |
| ·遗传算法 | 第35页 |
| ·模拟退火算法 | 第35-36页 |
| ·禁忌搜索算法 | 第36-37页 |
| ·模糊规则库的化简 | 第37页 |
| ·小结 | 第37-38页 |
| 第四章 一种新的模糊划分方法和模糊规则提取 | 第38-57页 |
| ·引言 | 第38-39页 |
| ·模糊神经网络的结构辨识 | 第39页 |
| ·模糊系统的语义性 | 第39页 |
| ·SISO模糊系统的单调区间分析 | 第39-42页 |
| ·SISO模糊系统的模糊划分算法 | 第42-43页 |
| ·MISO模糊系统的模糊划分算法 | 第43-45页 |
| ·格栅划分的模糊划分算法 | 第43-44页 |
| ·树状划分的模糊划分算法 | 第44-45页 |
| ·模糊神经网络的参数辨识 | 第45-49页 |
| ·优化的误差指标 | 第46页 |
| ·BP算法中步长的自适应调整 | 第46-47页 |
| ·参数的自适应调整公式 | 第47-49页 |
| ·仿真实验 | 第49-56页 |
| ·SISO仿真实例 | 第49-51页 |
| ·格栅划分的MISO仿真实例 | 第51-54页 |
| ·树形划分的MISO仿真实例 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第五章 模糊建模中的规则库在线化简 | 第57-69页 |
| ·引言 | 第57页 |
| ·一种新的规则重要性指标的定义及规则库化简方法 | 第57-65页 |
| ·λ_l稳定值的周期波动性讨论 | 第58-64页 |
| ·仿真实例 | 第64-65页 |
| ·基于ANFIS的规则权重自适应调整方法 | 第65-68页 |
| ·带权重规则模糊系统 | 第65-66页 |
| ·规则权重的自适应调整 | 第66-67页 |
| ·仿真实例 | 第67-68页 |
| ·小结 | 第68-69页 |
| 第六章 规则不完备的模糊系统新规则在线生成 | 第69-76页 |
| ·引言 | 第69页 |
| ·规则的自动填充 | 第69-71页 |
| ·仿真实验 | 第71-75页 |
| ·SISO系统 | 第71-72页 |
| ·MISO系统 | 第72-75页 |
| ·小结 | 第75-76页 |
| 结束语 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81页 |
