| 摘要 | 第1-7页 |
| Abstract | 第7-18页 |
| 第1章 绪论 | 第18-30页 |
| ·信息融合技术的产生与发展 | 第18-20页 |
| ·信息融合技术的起源 | 第19页 |
| ·信息融合技术的优点 | 第19页 |
| ·信息融合技术国内外发展现状 | 第19-20页 |
| ·模糊推理和支持向量机融合的必要性 | 第20-23页 |
| ·支持向量机在实际应用中的优势 | 第20-21页 |
| ·模糊推理在实际应用中的优势 | 第21页 |
| ·模糊推理和支持向量机在实际应用中的不足 | 第21-23页 |
| ·支持向量机和模糊推理融合技术研究概述 | 第23-26页 |
| ·支持向量机与模糊理论的发展现状 | 第23-24页 |
| ·支持向量机和模糊推理融合技术研究现状 | 第24-26页 |
| ·选题背景和研究意义 | 第26-27页 |
| ·选题背景 | 第26页 |
| ·研究意义 | 第26-27页 |
| ·研究方法 | 第27页 |
| ·论文内容和结构 | 第27-30页 |
| 第2章 基于支持向量机的信息融合方法 | 第30-46页 |
| ·支持向量机产生理论基础 | 第30-33页 |
| ·支持向量机的理论与方法 | 第33-37页 |
| ·支持向量机的基本原理 | 第33-34页 |
| ·支持向量机的回归理论 | 第34-37页 |
| ·支持向量机信息融合应用实例 | 第37-44页 |
| ·支持向量机信息融合方法 | 第37-38页 |
| ·渐进直推式分类学习算法 | 第38-39页 |
| ·支持向量机信息融合基本步骤 | 第39-40页 |
| ·光电位移传感器支持向量机信息融合应用 | 第40-44页 |
| ·本章小结 | 第44-46页 |
| 第3章 基于模糊推理的信息融合方法 | 第46-56页 |
| ·模糊推理理论概述 | 第46-49页 |
| ·输入变量的模糊化 | 第46-47页 |
| ·在模糊规则前件中应用模糊算子 | 第47-48页 |
| ·根据模糊蕴含运算由模糊规则前件推断结论 | 第48页 |
| ·模糊合成 | 第48页 |
| ·输出变量的反模糊化 | 第48-49页 |
| ·基于模糊推理的信息融合方法及其应用 | 第49-55页 |
| ·模糊推理信息融合基本思想 | 第49页 |
| ·模糊推理信息融合基本步骤 | 第49-50页 |
| ·基于模糊推理的信息融合应用举例 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 支持向量机-模糊推理的融合理论与模式 | 第56-70页 |
| ·支持向量机-模糊推理的信息融合机理 | 第56-59页 |
| ·最佳逼近器 | 第56页 |
| ·模糊基函数 | 第56-57页 |
| ·模糊推理系统的通用逼近性 | 第57-59页 |
| ·支持向量机-模糊推理融合系统的特征 | 第59-61页 |
| ·融合系统的网络拓扑结构 | 第59页 |
| ·支持向量机系统和模糊推理系统的相似算子 | 第59-61页 |
| ·支持向量机系统和模糊推理系统的映射方式 | 第61页 |
| ·支持向量机-模糊推理融合系统结构 | 第61-65页 |
| ·支持向量机和模糊推理系统的简单结合 | 第61-63页 |
| ·支持向量机增强模糊推理的形式 | 第63-64页 |
| ·模糊推理增强支持向量机的形式 | 第64-65页 |
| ·支持向量机-模糊推理完全融合的形式 | 第65页 |
| ·支持向量机-模糊推理融合模型 | 第65-69页 |
| ·模糊支持向量机模型 | 第65-67页 |
| ·混合模糊支持向量机 | 第67-68页 |
| ·基于支持向量机的模糊推理系统 | 第68-69页 |
| ·支持向量机-模糊推理谱分布 | 第69页 |
| ·本章小结 | 第69-70页 |
| 第5章 自适应变尺度混沌遗传算法及其优化效率评价 | 第70-82页 |
| ·自适应变尺度混沌遗传算法 | 第70-76页 |
| ·混沌模型的选择 | 第71-74页 |
| ·自适应变尺度混沌遗传算法构建 | 第74-75页 |
| ·自适应变尺度混沌遗传算法的应用 | 第75-76页 |
| ·自适应变尺度混沌遗传算法优化效率评价 | 第76-81页 |
| ·优化效率分析参量 | 第76-77页 |
| ·优化效率分析与评价 | 第77-81页 |
| ·本章小结 | 第81-82页 |
| 第6章 模糊最小二乘支持向量机分类器及其应用 | 第82-92页 |
| ·模糊最小二乘支持向量机分类器构建 | 第82-88页 |
| ·支持向量机(SVM)分类器 | 第82-84页 |
| ·模糊最小二乘支持向量机(FLS-SVM)分类器 | 第84-85页 |
| ·模糊最小二乘支持向量机隶属度确定 | 第85-86页 |
| ·混沌遗传算法优化最小二乘支持向量机参数 | 第86-87页 |
| ·模糊最小二乘支持向量机分类器数值实验 | 第87-88页 |
| ·混沌遗传算法优化模糊最小二乘支持向量机分类器应用 | 第88-91页 |
| ·油气输送管道 TPD 检测信号分类概述 | 第88-89页 |
| ·油气输送管道 TPD 信号检测系统 | 第89页 |
| ·油气输送管道 TPD 信号分类实现 | 第89-91页 |
| ·本章小结 | 第91-92页 |
| 第7章 基于模糊最小二乘支持向量机的区域粮食安全性预警分析 | 第92-101页 |
| ·基于模糊最小二乘支持向量机的区域粮食安全性预警模型构建 | 第92-97页 |
| ·区域粮食安全评价指标 | 第92-93页 |
| ·模糊最小二乘支持向量机 | 第93-94页 |
| ·模糊最小二乘支持向量机隶属度确定 | 第94-95页 |
| ·混沌遗传算法优化最小二乘支持向量机参数 | 第95-97页 |
| ·基于模糊最小二乘支持向量机的区域粮食安全性预警模型应用 | 第97-99页 |
| ·区域粮食安全性等级划分 | 第97-98页 |
| ·区域粮食安全性预警分析 | 第98-99页 |
| ·本章小结 | 第99-101页 |
| 第8章 支持向量机模糊推理农村循环经济系统评价模型 | 第101-121页 |
| ·农村循环经济理论基础 | 第101-104页 |
| ·农村循环经济涵义 | 第101-102页 |
| ·农村循环经济的理论基础 | 第102-104页 |
| ·农村循环经济系统评价指标体系 | 第104-108页 |
| ·农村循环经济系统 | 第104-105页 |
| ·农村循环经济系统的评价 | 第105-106页 |
| ·农村循环经济系统评价的指标体系 | 第106-108页 |
| ·基于支持向量机模糊推理的农村循环经济系统评价模型 | 第108-114页 |
| ·农村循环经济系统支持向量机非线性回归 | 第108-109页 |
| ·农村循环经济模糊基函数推理系统 | 第109-111页 |
| ·基于支持向量机模糊推理的农村循环经济系统评价模型建立 | 第111-114页 |
| ·基于支持向量机模糊推理的农村循环经济系统评价模型应用 | 第114-120页 |
| ·本章小结 | 第120-121页 |
| 结论与展望 | 第121-123页 |
| 结论 | 第121-122页 |
| 展望 | 第122-123页 |
| 参考文献 | 第123-132页 |
| 攻读博士学位期间取得的研究成果 | 第132-133页 |
| 致谢 | 第133-134页 |
| 附件 | 第134页 |
