| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-29页 |
| ·引言 | 第12-13页 |
| ·智能技术概述 | 第13-23页 |
| ·人工免疫算法 | 第13-16页 |
| ·遗传算法 | 第16-18页 |
| ·模糊逻辑控制系统 | 第18-21页 |
| ·人工神经网络 | 第21-23页 |
| ·智能技术的融合 | 第23-26页 |
| ·人工免疫算法与遗传算法的融合 | 第23-24页 |
| ·模糊逻辑系统与遗传算法的融合 | 第24页 |
| ·模糊逻辑与神经网络的融合 | 第24-26页 |
| ·模糊神经网络与遗传算法的融合 | 第26页 |
| ·本文的研究目的和意义 | 第26-27页 |
| ·本文的主要研究内容 | 第27-29页 |
| 第2章 免疫模糊遗传算法研究 | 第29-43页 |
| ·引言 | 第29-30页 |
| ·遗传算法分析 | 第30-36页 |
| ·遗传算法中三要素定义及作用分析 | 第30-31页 |
| ·遗传算法多样性分析 | 第31-36页 |
| ·改进的免疫选择算子 | 第36-37页 |
| ·用于动态调整交叉及变异率的模糊控制器设计 | 第37-39页 |
| ·仿真分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 基于免疫模糊遗传算法的模糊c-均值聚类研究 | 第43-54页 |
| ·模糊聚类的含义及应用 | 第43页 |
| ·基于免疫模糊遗传算法改进的模糊c-均值聚类 | 第43-48页 |
| ·现有聚类算法存在的问题及解决方法 | 第43-44页 |
| ·算法流程 | 第44-46页 |
| ·模糊c-均值聚类算法的具体参数选择 | 第46-47页 |
| ·免疫模糊遗传算法设计 | 第47-48页 |
| ·仿真验证 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 第4章 基于改进遗传算法及聚类的模糊神经网络辨识器研究 | 第54-70页 |
| ·模糊推理网络的结构及算法 | 第54-57页 |
| ·基于Mamdani推理的模糊神经网络 | 第54-55页 |
| ·基于Takagi-Sugeno推理的模糊神经网络 | 第55-57页 |
| ·模糊神经网络分类 | 第57-59页 |
| ·模糊神经网络用于复杂系统辨识 | 第59-61页 |
| ·系统辨识问题描述 | 第59-60页 |
| ·存在的问题及改进 | 第60-61页 |
| ·基于改进遗传算法及聚类的递归T-S模糊神经网络辨识器研究 | 第61-66页 |
| ·递归T-S模糊神经网络结构及算法 | 第61-64页 |
| ·基于双群体并行聚类的规则数确定及参数初始化 | 第64页 |
| ·基于免疫模糊遗传算法的参数学习 | 第64-65页 |
| ·离线优化及在线辨识设计 | 第65-66页 |
| ·仿真验证 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 基于遗传算法混合编码的模糊神经网络控制器研究 | 第70-86页 |
| ·引言 | 第70页 |
| ·模糊神经网络控制器的设计过程及优化 | 第70-74页 |
| ·模糊神经网络控制器的设计及训练 | 第70-73页 |
| ·模糊神经网络控制器的优化算法 | 第73-74页 |
| ·改进的Mamdani模糊神经网络结构及算法 | 第74-76页 |
| ·遗传算法混合编码改进型Mamdani模糊神经网络控制器研究 | 第76-82页 |
| ·混合编码的遗传算法用于结构及参数同时学习 | 第76-77页 |
| ·特定的交叉及变异方式设计 | 第77-80页 |
| ·在线参数辨识设计 | 第80-82页 |
| ·仿真验证 | 第82-84页 |
| ·本章小结 | 第84-86页 |
| 结论 | 第86-88页 |
| 参考文献 | 第88-94页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第94-95页 |
| 致谢 | 第95页 |
