| 第一章 绪论 | 第1-12页 |
| 1．1 研究背景 | 第7-9页 |
| 1．2 模糊逻辑、神经网络与遗传算法的发展概况 | 第9-10页 |
| 1．3 本论文的主要工作及内容安排 | 第10-11页 |
| 1．4 本章小结 | 第11-12页 |
| 第二章 模糊推理系统 | 第12-25页 |
| 2．1 模糊逻辑 | 第13-20页 |
| 2．1．1 模糊集合及其运算 | 第13-15页 |
| 2．1．2 模糊关系 | 第15-16页 |
| 2．1．3 模糊规则 | 第16-17页 |
| 2．1．4 模糊推理 | 第17-20页 |
| 2．2 模糊推理系统的类型 | 第20-23页 |
| 2．2．1 Mamdani模糊模型 | 第20-21页 |
| 2．2．2 Sugeno模糊模型 | 第21-22页 |
| 2．2．3 Tsukamoto模糊模型 | 第22-23页 |
| 2．3 模糊建模 | 第23-24页 |
| 2．4 本章小结 | 第24-25页 |
| 第三章 人工神经网络 | 第25-32页 |
| 3．1 人工神经元模型 | 第25-26页 |
| 3．2 人工神经网络的结构与学习方法 | 第26-28页 |
| 3．3 BP神经网络 | 第28-31页 |
| 3．4 本章小结 | 第31-32页 |
| 第四章 自适应神经模糊推理系统 ANFIS | 第32-41页 |
| 4．1 模糊系统与神经网络的融合 | 第32-35页 |
| 4．1．1 模糊系统与神经网络的特点 | 第33-34页 |
| 4．1．2 模糊系统与神经网络结合的方式 | 第34-35页 |
| 4．2 ANFIS的结构 | 第35-37页 |
| 4．3 ANFIS的混合学习方法 | 第37-39页 |
| 4．4 神经-模糊谱 | 第39-40页 |
| 4．5 本章小结 | 第40-41页 |
| 第五章 一种新混合学习方法及其在 ANFIS优化设计中的应用 | 第41-56页 |
| 5．1 遗传算法的基本原理 | 第42-48页 |
| 5．1．1 遗传算法的基本概念与操作 | 第43-45页 |
| 5．1．2 遗传算法的模式理论 | 第45-46页 |
| 5．1．3 改进遗传算法 | 第46-48页 |
| 5．2 新混合学习方法-GA、BP与 LSE算法的结合 | 第48-50页 |
| 5．3 新混合学习方法在 ANFIS优化设计中的应用 | 第50-54页 |
| 5．4 本章小结 | 第54-56页 |
| 第六章 仿真研究 | 第56-62页 |
| 6．1 两输入SINC函数的建模 | 第56-59页 |
| 6．2 三输入非线性函数的建模 | 第59-61页 |
| 6．3 本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-65页 |
| 7．1 总结 | 第62-63页 |
| 7．2 进一步的研究工作 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 作者攻读硕士学位期间科研成果简介 | 第68-69页 |
| 独创性声明 | 第69-70页 |
| 学位论文版权使用授权书 | 第70-71页 |
| 致谢 | 第71页 |
