| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9-10页 |
| ·模糊建模的发展及研究现状 | 第10-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| 第二章 模糊聚类算法研究 | 第14-22页 |
| ·引言 | 第14页 |
| ·聚类基础 | 第14-17页 |
| ·聚类的含义 | 第14页 |
| ·聚类分析的数学模型 | 第14-15页 |
| ·常用的聚类方法 | 第15-17页 |
| ·模糊聚类算法 | 第17-21页 |
| ·模糊聚类 | 第17-18页 |
| ·模糊聚类的实现途径 | 第18-20页 |
| ·模糊加权指数m的选择 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 模糊系统模型基础理论 | 第22-33页 |
| ·引言 | 第22页 |
| ·模糊逻辑系统中的基本概念 | 第22-25页 |
| ·模糊集 | 第22-24页 |
| ·模糊推理 | 第24页 |
| ·精确量的模糊化和模糊量的反模糊化 | 第24-25页 |
| ·模糊逻辑系统的分类 | 第25-28页 |
| ·纯模糊逻辑系统 | 第26页 |
| ·高木-关野模糊系统 | 第26-27页 |
| ·具有模糊产生器和模糊消除器的模糊逻辑系统 | 第27-28页 |
| ·模糊模型 | 第28页 |
| ·模糊模型的结构辨识方法 | 第28-30页 |
| ·系统输入变量的选择 | 第29页 |
| ·输入空间的模糊划分 | 第29-30页 |
| ·模糊模型参数辨识方法 | 第30-31页 |
| ·基于梯度学习的参数辨识 | 第30-31页 |
| ·基于模糊神经网络的参数学习 | 第31页 |
| ·应用遗传算法进行参数辨识与优化 | 第31页 |
| ·模糊集合的相似性分析与融合 | 第31-32页 |
| ·本章小节 | 第32-33页 |
| 第四章 基于递阶模糊聚类的T-S模糊模型的辨识 | 第33-48页 |
| ·引言 | 第33页 |
| ·T-S模糊模型 | 第33-34页 |
| ·基于递阶模糊聚类的T-S模糊模型的前件结构和参数的辨识 | 第34-38页 |
| ·问题的提出 | 第34页 |
| ·基于减法聚类的输入空间的初始划分 | 第34-35页 |
| ·基于FCM算法优化输入空间的模糊划分 | 第35-37页 |
| ·减法聚类与FCM算法相结合的步骤 | 第37-38页 |
| ·T-S模糊模型的后件参数的辨识 | 第38页 |
| ·基于T-S模糊模型的模糊神经网络结构 | 第38-42页 |
| ·基于减法聚类的模糊c-均值聚类算法实验与结论 | 第42-44页 |
| ·仿真实验 | 第42-44页 |
| ·实验结论分析 | 第44页 |
| ·模糊神经网络优化参数仿真实验与结论 | 第44-47页 |
| ·仿真实验 | 第44-46页 |
| ·实验结论 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 基于遗传算法优化T-S模糊模型的前后件参数 | 第48-62页 |
| ·引言 | 第48页 |
| ·遗传算法的基本原理 | 第48-49页 |
| ·遗传算法的特点 | 第49-50页 |
| ·基于遗传算法优化T-S模糊模型的前后件参数 | 第50-54页 |
| ·染色体编码 | 第50-51页 |
| ·适应度函数的确定 | 第51页 |
| ·遗传操作 | 第51-54页 |
| ·基于遗传算法优化T-S模糊模型算法 | 第54-57页 |
| ·遗传优化算法描述 | 第54-55页 |
| ·遗传优化算法的步骤 | 第55-57页 |
| ·模拟实验及结论 | 第57-61页 |
| 实例1:继续使用上一章的实例 | 第57-59页 |
| 实例2:非线性混沌时间序列的建模与预测 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表论文与成果 | 第69页 |