| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 论域划分研究 | 第9-10页 |
| 1.2.2 模糊关系处理研究 | 第10-11页 |
| 1.2.3 模型阶数及因素个数研究 | 第11页 |
| 1.3 主要内容及总体结构 | 第11-13页 |
| 1.3.1 本文研究的主要内容 | 第12页 |
| 1.3.2 本文总体结构 | 第12-13页 |
| 2 相关工作概述 | 第13-29页 |
| 2.1 模糊集理论 | 第13-16页 |
| 2.1.1 模糊概念 | 第13页 |
| 2.1.2 模糊集 | 第13-15页 |
| 2.1.3 模糊关系 | 第15-16页 |
| 2.2 模糊时间序列 | 第16-18页 |
| 2.2.1 模糊时间序列定义 | 第16-17页 |
| 2.2.2 模糊时间序列预测模型 | 第17-18页 |
| 2.3 C-模糊决策树 | 第18-29页 |
| 2.3.1 C-模糊决策树架构 | 第18-20页 |
| 2.3.2 模糊C均值聚类算法 | 第20-23页 |
| 2.3.3 节点分裂准则 | 第23-24页 |
| 2.3.4 分裂结束条件 | 第24-27页 |
| 2.3.5 C-模糊决策树构建算法 | 第27-29页 |
| 3 基于C-模糊决策树的自适应模糊时间序列预测模型 | 第29-47页 |
| 3.1 AFFC模型基本算法 | 第29-33页 |
| 3.1.1 C-模糊决策树剪枝算法 | 第29-32页 |
| 3.1.2 自适应优化论域划分 | 第32-33页 |
| 3.2 AFFC模型预测步骤 | 第33-36页 |
| 3.3 AFFC模型仿真实验及结果分析 | 第36-46页 |
| 3.3.1 AFFC模型仿真实验 | 第36-42页 |
| 3.3.2 AFFC模型实验结果分析 | 第42-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 基于随机森林的多因素模糊时间序列预测模型 | 第47-62页 |
| 4.1 MFFR模型基本算法 | 第47-51页 |
| 4.1.1 多因素C-模糊决策树算法 | 第47-49页 |
| 4.1.2 改进的随机森林算法 | 第49-51页 |
| 4.2 MFFR模型预测步骤 | 第51-54页 |
| 4.3 MFFR模型仿真实验及结果分析 | 第54-61页 |
| 4.3.1 MFFR模型仿真实验 | 第54-57页 |
| 4.3.2 MFFR模型实验结果分析 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 总结及展望 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录A 附录内容名称 | 第69-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-73页 |