| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 概述 | 第10-11页 |
| 1.2 研究背景和现状 | 第11-15页 |
| 1.2.1 模糊系统 | 第11-12页 |
| 1.2.2 支持向量机 | 第12-13页 |
| 1.2.3 混凝土组分反预测 | 第13-15页 |
| 1.3 模糊系统相关理论基础 | 第15-19页 |
| 1.3.1 模糊系统 | 第15-17页 |
| 1.3.2 Wang-Mendel算法的基本框架 | 第17-18页 |
| 1.3.3 Takagi-Sugeno算法的基本框架 | 第18-19页 |
| 1.4 支持向量机简介 | 第19-22页 |
| 1.4.1 经典支持向量机 | 第19-20页 |
| 1.4.2 最小二乘支持向量机 | 第20-22页 |
| 1.5 本文的研究内容及论文结构 | 第22-24页 |
| 1.5.1 本文的研究内容 | 第22-23页 |
| 1.5.2 本文的组织结构 | 第23-24页 |
| 第2章 基于FSFDP算法改进的WM算法 | 第24-42页 |
| 2.1 WM算法的完备性、鲁棒性及效率分析 | 第24-26页 |
| 2.2 基于FSFDP和样本相关度改进的WM算法 | 第26-29页 |
| 2.2.1 FSFDP算法 | 第26-27页 |
| 2.2.2 基于FSFDP算法改进的WM算法（CWM算法） | 第27-29页 |
| 2.3 一种使用聚类算法约简加权的WM算法（RW-WM算法） | 第29-31页 |
| 2.4 实验分析 | 第31-40页 |
| 2.4.1 评价标准 | 第31页 |
| 2.4.2 单输入单输出模型 | 第31-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第3章 基于PSO的最大相对误差最小SVM算法 | 第42-56页 |
| 3.1 粒子群优化算法简介 | 第42-43页 |
| 3.2 基于最大相对误差最小支持向量机 | 第43-47页 |
| 3.2.1 使用相对误差进行改进的原因 | 第43-44页 |
| 3.2.2 PSO-RE-MIMO-SVM | 第44-46页 |
| 3.2.3 PSO-RE-MIMO-SVM的使用范围和条件 | 第46-47页 |
| 3.3 PSO-RE-MIMO-SVM在多混凝土组分反预测中的应用 | 第47-49页 |
| 3.3.1 使用PSO-RE-MIMO-SVM进行混凝土多组分反预测的原因 | 第47页 |
| 3.3.2 PSO-RE-MIMO-SVM在多混凝土组分反预测中的应用 | 第47-49页 |
| 3.3.3 PSO-RE-MIMO-SVM混凝土多组分反预测的适用范围和条件 | 第49页 |
| 3.4 实验验证 | 第49-55页 |
| 3.4.1 评价标准 | 第49-50页 |
| 3.4.2 数据集描述和数据集组织 | 第50-51页 |
| 3.4.3 参数设置 | 第51页 |
| 3.4.4 混凝土组分反预测实验结果 | 第51-54页 |
| 3.4.5 实验分析 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 基于支持向量机改进的WM算法 | 第56-62页 |
| 4.1 基于相对误差最小支持向量机的模糊系统模型（ISVM-WM） | 第56-58页 |
| 4.2 实验验证 | 第58-60页 |
| 4.2.1 数据集描述和数据集组织 | 第58页 |
| 4.2.2 数据集描述和数据集组织 | 第58-59页 |
| 4.2.3 参数设置 | 第59页 |
| 4.2.4 混凝土组分反预测实验结果 | 第59页 |
| 4.2.5 实验分析 | 第59-60页 |
| 4.3 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-66页 |
| 5.1 总结 | 第62-63页 |
| 5.2 本文工作的创新点 | 第63-64页 |
| 5.3 未来工作 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 个人简历与在学期间发表的学术论文 | 第74-75页 |
