摘要 | 第1-5页 |
ABSTRACT | 第5-10页 |
第一章 绪论 | 第10-14页 |
·课题背景 | 第10-11页 |
·机器学习 | 第10页 |
·支持向量机和模糊系统及其重要性 | 第10-11页 |
·支持向量机和模糊系统中的一些问题 | 第11-12页 |
·本文的工作 | 第12-14页 |
第二章 性能改进的支持向量机 | 第14-37页 |
·国际国内研究现状 | 第14-19页 |
·SVM 的理论研究 | 第14页 |
·支持向量机的训练算法 | 第14-15页 |
·多类SVM | 第15页 |
·扩展支持向量机 | 第15-17页 |
·SVM 的模型选择 | 第17-18页 |
·SVM 的应用 | 第18-19页 |
·使用超椭球参数化坐标的支持向量机 | 第19-28页 |
·背景 | 第19页 |
·Mercer 核 | 第19页 |
·超椭球支持向量机 | 第19-23页 |
·仿真实验与分析 | 第23-27页 |
·结论和进一步的工作 | 第27-28页 |
·一类新的核函数 | 第28-33页 |
·再生核与H~n ( R ) 的定义 | 第28页 |
·H~1( R ) 的再生核 | 第28页 |
·H~n ( R ) 的再生核及允许支持向量机核函数 | 第28-30页 |
·实验测试 | 第30-32页 |
·结论和进一步的工作 | 第32-33页 |
·一种改善核函数的方法 | 第33-37页 |
·核函数的改进 | 第33-34页 |
·仿真实验 | 第34-36页 |
·结论和进一步的工作 | 第36-37页 |
第三章 基于Epanechnikov混合模型的一型模糊系统 | 第37-72页 |
·一型模糊系统的国际国内研究现状 | 第37-39页 |
·Mamdani-Larsen 模糊系统 | 第37页 |
·Takagi-Sugeno-Kang(TSK)模糊系统 | 第37-38页 |
·分层模糊系统(Hierarchical Fuzzy system) | 第38页 |
·模糊神经网络(FNN, Fuzzy Neural Network) | 第38-39页 |
·基于 Epanechnikov 混合模型的 Mamdani-Larsen 模糊系统 | 第39-47页 |
·背景 | 第39页 |
·Epanechnikov 混合模型(Epanechnikov Mixture Model, EMM) | 第39-40页 |
·多输入单输出Mamdani-Larsen Fuzzy Systems(MLFS)和多维EMM 的关系 | 第40-42页 |
·仿真实验 | 第42-46页 |
·结论 | 第46-47页 |
·基于广义 Epanechnikov 混合模型的中心化模糊系统 | 第47-72页 |
·背景 | 第47-48页 |
·规则中心化的广义模糊系统(RCGFS) | 第48-49页 |
·广义 Epanechnikov 混合模型(EMM) | 第49-50页 |
·二维EMM 和单输入单输出的RCGFS 的关系 | 第50-55页 |
·多维EMM 和多输入单输出的RCGFS 的关系 | 第55-59页 |
·EMM-RCGFS 的优点 | 第59-61页 |
·仿真实验与分析 | 第61-71页 |
·结论 | 第71-72页 |
第四章 基于不确定高斯混合模型的二型TSK 模糊系统 | 第72-96页 |
·二型模糊系统的国际国内研究现状 | 第72-73页 |
·基于不确定高斯混合模型的二型TSK 模糊系统 | 第73-96页 |
·背景 | 第73页 |
·可加性TYPE-1 TSK 模糊系统 | 第73页 |
·可加性TYPE-2 TSK 模糊系统 | 第73-76页 |
·不确定的高斯混合模型UGMM | 第76-77页 |
·单输入单输出的区间T2-TSK-FS 和2 维UGMM 的关系 | 第77-80页 |
·多输入单输出的区间T2-TSK-FS 和多维UGMM 的关系 | 第80-84页 |
·仿真实验与分析 | 第84-95页 |
·结论 | 第95-96页 |
第五章 一种新颖的基于再生核理论的模糊系统 | 第96-102页 |
·背景 | 第96页 |
·再生核函数的性质 | 第96-99页 |
·基于再生核理论的模糊系统 | 第99-100页 |
·模糊系统的参数辨识 | 第100页 |
·Lorenz 混沌时间序列预测 | 第100-101页 |
·结论 | 第101-102页 |
第六章 结束语 | 第102-106页 |
致谢 | 第106-107页 |
参考文献 | 第107-116页 |
附录:作者在攻读博士学位期间发表、录用及提交的论文 | 第116页 |