基于贝叶斯网络和模糊神经网络的锅炉燃烧过程建模研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景及研究的目的和意义 | 第9页 |
| ·国内外研究动态 | 第9-11页 |
| ·本文研究内容 | 第11-12页 |
| ·文章结构安排 | 第12-13页 |
| 第2章 数据挖掘简介 | 第13-17页 |
| ·引言 | 第13-14页 |
| ·数据挖掘的功能 | 第14页 |
| ·数据挖掘与知识发现 | 第14-15页 |
| ·数据挖掘方法 | 第15-16页 |
| ·决策树方法 | 第15页 |
| ·人工神经网络方法 | 第15页 |
| ·聚类分析方法 | 第15页 |
| ·模糊集方法 | 第15-16页 |
| ·小结 | 第16-17页 |
| 第3章 贝叶斯网络基于小样本数据的学习 | 第17-27页 |
| ·贝叶斯学习理论 | 第17页 |
| ·贝叶斯网络的基本知识 | 第17-19页 |
| ·贝叶斯网络结构的学习 | 第19-20页 |
| ·评分函数 | 第19-20页 |
| ·搜索策略 | 第20页 |
| ·贝叶斯网络的参数学习 | 第20-22页 |
| ·先验分布的选取 | 第21页 |
| ·局部概率学习的步骤 | 第21-22页 |
| ·贝叶斯网络推理 | 第22页 |
| ·基于贝叶斯方法的典型函数建模分析 | 第22-23页 |
| ·基于贝叶斯网络的锅炉燃烧过程数据挖掘 | 第23-26页 |
| ·小结 | 第26-27页 |
| 第4章 基于RBF模糊神经网络 | 第27-42页 |
| ·神经网络知识概述 | 第27页 |
| ·径向基神经网络 | 第27-35页 |
| ·径向基神经网络的工作原理 | 第27-29页 |
| ·RBF神经网络学习算法 | 第29-30页 |
| ·RBF神经网络学习过程分析 | 第30-32页 |
| ·RBF神经网络学习算法建模分析 | 第32-33页 |
| ·RBF神经网络对噪声适应性分析 | 第33-35页 |
| ·模糊神经网络 | 第35-41页 |
| ·模糊系统与神经网络 | 第35页 |
| ·模糊神经网络的结构 | 第35-36页 |
| ·基于径向基函数的模糊神经网络 | 第36-38页 |
| ·基于径向基函数网络的模糊神经网络的建模实例分析 | 第38-41页 |
| ·小结 | 第41-42页 |
| 第5章 锅炉燃烧过程实验建模 | 第42-50页 |
| ·电站运行数据选择 | 第42-46页 |
| ·电站运行数据的特性 | 第42-43页 |
| ·电站运行数据的预处理 | 第43-44页 |
| ·电站运行数据的离群点去除 | 第44-45页 |
| ·稳定工况的判断 | 第45-46页 |
| ·锅炉燃烧过程网络建模实验 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55页 |
