面向大数据的模糊推理算法及其应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 引言 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 模糊推理 | 第12页 |
| 1.2.2 遗传算法 | 第12-13页 |
| 1.2.3 混沌理论 | 第13-14页 |
| 1.2.4 模糊神经网络 | 第14-15页 |
| 1.2.5 大数据 | 第15-17页 |
| 1.3 研究目的 | 第17页 |
| 1.4 论文组织 | 第17-19页 |
| 第2章 相关知识介绍 | 第19-33页 |
| 2.1 混沌理论 | 第19-22页 |
| 2.1.1 概略定义 | 第19-21页 |
| 2.1.2 混沌的演化 | 第21-22页 |
| 2.2 遗传算法 | 第22-27页 |
| 2.2.1 遗传算法的思想 | 第22-24页 |
| 2.2.2 原理和实现过程 | 第24-25页 |
| 2.2.3 多子群自适应遗传算法 | 第25-26页 |
| 2.2.4 应用及优化 | 第26-27页 |
| 2.3 模糊推理算法 | 第27-32页 |
| 2.3.1 组成和分类 | 第27-29页 |
| 2.3.2 原理详解 | 第29页 |
| 2.3.3 多层前馈神经网络模型 | 第29-30页 |
| 2.3.4 模糊控制器的设计 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 FSAS-CGA算法 | 第33-40页 |
| 3.1 与传统混沌遗传算法的对比 | 第33-34页 |
| 3.2 相关系数的改进与确定 | 第34-35页 |
| 3.3 算法原理及其流程 | 第35-37页 |
| 3.4 实验结果及其分析 | 第37-39页 |
| 3.4.1 实验环境 | 第37页 |
| 3.4.2 测试函数的选择 | 第37页 |
| 3.4.3 智能优化算法的对比 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 改进的模糊推理系统及其应用 | 第40-50页 |
| 4.1 CGAFNN运行流程 | 第40页 |
| 4.2 CGAFNN网络结构 | 第40-43页 |
| 4.3 具体案例分析 | 第43-49页 |
| 4.3.1 智能PID控制系统 | 第44-45页 |
| 4.3.2 性能评价指标 | 第45页 |
| 4.3.3 模糊神经网络模型的构建 | 第45页 |
| 4.3.4 数据仿真 | 第45-49页 |
| 4.3.5 实际应用效果分析 | 第49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-59页 |
| 附录 (攻读学位期间发表论文目录) | 第59页 |
