摘要 | 第1-7页 |
Abstract | 第7-12页 |
第1章 绪论 | 第12-31页 |
·研究背景 | 第12-13页 |
·OFS分析研究综述 | 第13-18页 |
·OFS的定义 | 第13-15页 |
·OFS分析研究的现状 | 第15-18页 |
·常用于OFS评估的电生理信号 | 第18-22页 |
·EEG信号 | 第19-20页 |
·ECG信号 | 第20-21页 |
·EOG信号 | 第21-22页 |
·OFS的量化评估方法 | 第22-28页 |
·人工神经网络 | 第22-23页 |
·支持向量机 | 第23页 |
·模糊系统 | 第23-27页 |
·其它方法 | 第27-28页 |
·论文研究内容和组织构架 | 第28-31页 |
第2章 OFS多源生理数据采集实验及分析 | 第31-47页 |
·引言 | 第31页 |
·OFS数据采集实验 | 第31-36页 |
·实验设计方案 | 第32-33页 |
·实验被试 | 第33-34页 |
·数据记录 | 第34-36页 |
·数据预处理 | 第36-41页 |
·被试主观评价数据处理 | 第36-37页 |
·ECG信号预处理 | 第37-39页 |
·EEG信号预处理 | 第39-41页 |
·任务性能数据预处理 | 第41页 |
·OFS模型输入特征选择 | 第41-46页 |
·本章小结 | 第46-47页 |
第3章 采用增量型PID控制PSO算法的OFS模糊建模 | 第47-83页 |
·引言 | 第47页 |
·算法 | 第47-58页 |
·PSO算法原理 | 第47-48页 |
·IPID-PSO算法原理 | 第48-58页 |
·IPID-PSO算法在Benchmark函数优化中的应用 | 第58-63页 |
·Benchmark函数描述 | 第58-59页 |
·IPID-PSO优化Benchmark函数的结果 | 第59-63页 |
·IPID-PSO算法在OFS模糊模型参数估计中的应用 | 第63-82页 |
·OFS模糊模型的结构 | 第63-64页 |
·OFS模糊模型参数估计的结果 | 第64-74页 |
·OFS模糊模型规则库分析 | 第74-82页 |
·本章小结 | 第82-83页 |
第4章 基于Wang-Mendel方法的OFS模糊建模 | 第83-118页 |
·引言 | 第83-84页 |
·WM模糊建模方法 | 第84-85页 |
·相邻隶属函数重叠度分析 | 第85-101页 |
·模糊隶属函数 | 第85-86页 |
·对模糊模型抗噪声性能的影响 | 第86-87页 |
·混合高斯隶属函数 | 第87-91页 |
·最优δ值的确定与分析 | 第91-101页 |
·基于WM方法的OFS模糊建模 | 第101-117页 |
·OFS模糊建模中最优δ值的确定 | 第101-103页 |
·采用最优δ值的OFS模糊建模的结果 | 第103-105页 |
·OFS模糊模型规则库分析 | 第105-109页 |
·OFS模糊模型性能比较 | 第109-117页 |
·本章小结 | 第117-118页 |
第5章 基于OFS动态预测模型的自适应人机控制系统 | 第118-146页 |
·引言 | 第118页 |
·OFS动态预测模型的结构辨识 | 第118-126页 |
·ANN方法辨识OFS预测模型的结构 | 第119-122页 |
·WM方法辨识OFS预测模型的结构 | 第122-125页 |
·比较分析 | 第125-126页 |
·基于WM模糊建模方法的OFS预测 | 第126-135页 |
·多模型策略 | 第127-130页 |
·基于多个WM模糊模型的OFS预测 | 第130-135页 |
·基于OFS动态预测模型的AHM系统设计与仿真 | 第135-145页 |
·ATA模块化设计 | 第135-136页 |
·AHM仿真方法 | 第136-138页 |
·AHM系统仿真的结果与分析 | 第138-145页 |
·AHM仿真的改进方法 | 第145页 |
·本章小结 | 第145-146页 |
第6章 总结与未来工作展望 | 第146-148页 |
·本文研究工作总结 | 第146-147页 |
·未来工作的展望 | 第147-148页 |
参考文献 | 第148-163页 |
致谢 | 第163-164页 |
作者在攻读博士学位期间完成的学术成果 | 第164页 |