| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-26页 |
| ·数据挖掘发展概况 | 第10-11页 |
| ·数据挖掘功能描述 | 第11-12页 |
| ·模糊数据挖掘方法 | 第12-14页 |
| ·模糊推理系统及其逼近理论 | 第14-18页 |
| ·模糊推理系统概述 | 第14-17页 |
| ·模糊推理系统的逼近理论 | 第17-18页 |
| ·模糊数据挖掘技术在工业过程中的应用 | 第18-24页 |
| ·工业过程数据特点及面临的问题 | 第19-20页 |
| ·模糊数据挖掘在工业过程建模和最优控制中的应用 | 第20-24页 |
| ·本文的主要研究内容 | 第24-26页 |
| 2 改进的基于梯度的实时学习算法G-RTL | 第26-43页 |
| ·引言 | 第26页 |
| ·基于梯度下降法的模糊推理系统参数优化 | 第26-34页 |
| ·冗余模糊规则修剪 | 第26-30页 |
| ·模糊推理系统参数优化 | 第30-32页 |
| ·最优输出模糊子集和置信度度量的确定 | 第32-34页 |
| ·改进的基于梯度的实时学习算法G-RTL | 第34-36页 |
| ·G-RTL算法的收敛性和稳定性分析 | 第36-37页 |
| ·仿真结果和分析 | 第37-42页 |
| ·小结 | 第42-43页 |
| 3 基于归一化方差信息的自适应模糊规则挖掘方法NV-AMFR | 第43-67页 |
| ·引言 | 第43页 |
| ·简化的Mamdani模糊推理系统 | 第43-46页 |
| ·基于Mamdani模糊推理系统的函数逼近 | 第46-48页 |
| ·基于归一化方差信息的自适应模糊规则挖掘方法NV-AMFR | 第48-58页 |
| ·基于G-RTL学习算法的模糊推理系统参数优化 | 第48-55页 |
| ·确定合适的隶属度函数配置及评价输入变量的重要性 | 第55-58页 |
| ·仿真结果和分析 | 第58-65页 |
| ·小结 | 第65-67页 |
| 4 空缺模糊规则推理及其在混沌时间序列预测中的应用 | 第67-82页 |
| ·引言 | 第67页 |
| ·模糊预测器模型 | 第67-70页 |
| ·基于G-RTL学习算法设计模糊预测器模型 | 第70-73页 |
| ·完备模糊规则集与模糊预测器模型的可预测性 | 第73-75页 |
| ·空缺模糊规则的最邻近扩散推理方法ND-EMR | 第75-77页 |
| ·仿真结果和分析 | 第77-81页 |
| ·小结 | 第81-82页 |
| 5 基于模糊数据挖掘技术的批过程建模与最优模糊控制 | 第82-100页 |
| ·引言 | 第82页 |
| ·单输入多输出模糊T-S预测模型的结构选择 | 第82-84页 |
| ·基于G-RTL学习算法设计模糊T-S预测模型的参数 | 第84-89页 |
| ·最优模糊控制 | 第89-91页 |
| ·非线性系统最优控制问题的等价变换 | 第89-90页 |
| ·Pontryagin最小值原理 | 第90-91页 |
| ·批过程建模与最优模糊控制仿真结果 | 第91-99页 |
| ·半连续式反应器的建模仿真 | 第93-95页 |
| ·半连续式反应器的最优模糊控制仿真 | 第95-99页 |
| ·小结 | 第99-100页 |
| 6 结论与展望 | 第100-102页 |
| ·工作总结 | 第100-101页 |
| ·工作展望 | 第101-102页 |
| 参考文献 | 第102-108页 |
| 攻读博士学位期间发表学术论文情况 | 第108-109页 |
| 致谢 | 第109-110页 |
