| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·国内外研究现状和发展趋势 | 第8-9页 |
| ·研究的目的和意义 | 第9-10页 |
| ·模糊系统 | 第10-13页 |
| ·纯模糊系统 | 第10-11页 |
| ·Mamdani 型模糊系统 | 第11-12页 |
| ·T-S 型模糊系统 | 第12-13页 |
| ·本文工作 | 第13-14页 |
| 2 模式分析的核方法 | 第14-29页 |
| ·核方法原理及常用方法分类 | 第14-16页 |
| ·核方法原理 | 第14-15页 |
| ·常用的核方法分类 | 第15-16页 |
| ·统计学习理论 | 第16-19页 |
| ·经验风险最小化归纳原则 | 第16-17页 |
| ·VC 维 | 第17页 |
| ·学习机泛化能力的界 | 第17页 |
| ·结构风险最小化归纳原则 | 第17-19页 |
| ·核函数 | 第19-24页 |
| ·核函数 | 第19-20页 |
| ·再生核和再生核伍Hilbert 空间 | 第20-22页 |
| ·Mercer 核的构造和基本的核 | 第22-23页 |
| ·特征空间的均值、距离和数据中心化 | 第23-24页 |
| ·核方法的模块性 | 第24页 |
| ·支持向量机 | 第24-29页 |
| ·理论基础 | 第25-29页 |
| 3 基于核方法的T-S 预测模型辨识 | 第29-39页 |
| ·T-S 模糊模型的描述 | 第29-30页 |
| ·支持向量模糊系统 | 第30-34页 |
| ·基于支持向量的Mamdani 型模糊系统 | 第31-32页 |
| ·基于支持向量的T-S 型模糊系统 | 第32-34页 |
| ·仿真结果 | 第34-39页 |
| ·一维非线性函数建模 | 第34-35页 |
| ·二维非线性函数建模 | 第35-36页 |
| ·三维非线性函数建模 | 第36-39页 |
| 4 基于核方法的 T-S 模糊预测模型的输出预测 | 第39-46页 |
| ·预测模型 | 第39-41页 |
| ·T-S 模糊预测模型 | 第41-42页 |
| ·带滑动窗口的核最小二乘算法(KLS) | 第42-43页 |
| ·仿真结果 | 第43-45页 |
| ·小结 | 第45-46页 |
| 5 基于双重核学习的模糊模型结构辨识及规则库简化策略 | 第46-53页 |
| ·引言 | 第46页 |
| ·基于支持向量组合的规则库简化策略 | 第46-47页 |
| ·基于双重核学习的模糊模型辨识算法 | 第47-49页 |
| ·仿真结果 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文和参加科研项目情况 | 第57-58页 |
| 致谢 | 第58-59页 |