| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第6-12页 |
| 1.1 论文研究的背景及意义 | 第6-7页 |
| 1.2 基于区间型数据的建模方法综述 | 第7-10页 |
| 1.3 论文的主要研究内容 | 第10-12页 |
| 2 预备知识 | 第12-16页 |
| 2.1 受限玻尔兹曼机基本结构及学习算法 | 第12-14页 |
| 2.2 深度置信网络基本结构 | 第14-16页 |
| 3 基于区间输入-区间输出数据的建模方法研究 | 第16-34页 |
| 3.1 基于Taylor展式的区间型DBN-FNN模型 | 第16-18页 |
| 3.2 基于Taylor展式的区间型DBN-FNN模型的学习算法 | 第18-25页 |
| 3.3 仿真实验 | 第25-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于清晰数值输入-清晰数值输出数据的区间回归模型 | 第34-45页 |
| 4.1 区间样条模糊系统构造 | 第34-35页 |
| 4.2 区间样条模糊系统的学习算法 | 第35-39页 |
| 4.3 仿真实验 | 第39-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 基于清晰数值输入-区间输出数据的集成模型 | 第45-56页 |
| 5.1 基于受限玻尔兹曼机的集成模型结构 | 第45-46页 |
| 5.2 基于受限玻尔兹曼机的集成模型学习算法 | 第46-48页 |
| 5.3 仿真实验 | 第48-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-65页 |
