首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--自动控制理论论文

基于模糊聚类的非线性系统辨识研究

摘要第1-7页
Abstract第7-15页
第1章 绪论第15-29页
   ·课题背景及研究的目的和意义第15-18页
     ·模糊聚类分析第15-16页
     ·模糊建模第16-18页
   ·模糊聚类算法概况第18-22页
     ·基于梯度优化的模糊聚类算法第19页
     ·基于神经网络的模糊聚类算法第19-20页
     ·基于进化计算的模糊聚类算法第20-21页
     ·基于群体智能的模糊聚类算法第21-22页
   ·模糊建模方法概况第22-27页
     ·模糊关系推理系统第23页
     ·模糊基函数推理系统第23-24页
     ·基于T-S模糊模型的模糊推理系统第24-25页
     ·基于模糊动态模型的模糊推理系统第25-26页
     ·模糊双曲正切模型第26-27页
   ·本文的主要内容第27-29页
第2章 模糊集合与模糊聚类算法第29-47页
   ·模糊集合第29-33页
     ·模糊集合定义第29-30页
     ·模糊集合的表示方法第30-33页
   ·基于划分的模糊聚类算法第33-40页
     ·聚类分析的数学模型第33-34页
     ·数据集的c划分第34-35页
     ·聚类目标函数第35-38页
     ·模糊C均值聚类算法第38-40页
   ·自适应矢量化聚类神经网络第40-42页
     ·自适应矢量化网络模型第40-41页
     ·竞争学习算法第41-42页
   ·基于遗传算法的FCM算法第42-45页
   ·基于粒子群优化的FCM算法第45-47页
第3章 基于FCM的T-S模糊模型辨识算法第47-75页
   ·T-S模糊模型描述第47-48页
     ·T-S模糊模型-Ⅰ第47-48页
     ·T-S模糊模型-Ⅱ第48页
   ·T-S模糊模型结构与参数辨识第48-54页
     ·结构辨识第49-51页
     ·参数辨识第51-54页
   ·基于G-K聚类算法的T-S模糊模型辨识第54-58页
     ·G-K聚类算法第54-56页
     ·仿真实例第56-58页
   ·基于FCM聚类算法的T-S模糊模型辨识第58-64页
     ·仿真实例1第58-60页
     ·仿真实例2第60-62页
     ·仿真实例3第62-64页
   ·基于减法聚类和FCM聚类算法的T-S模糊模型辨识第64-66页
     ·减法聚类第65页
     ·仿真实例1第65-66页
     ·仿真实例2第66页
   ·基于一种改进模糊划分聚类算法的T-S模糊模型辨识第66-73页
     ·改进模糊划分聚类算法第66-68页
     ·仿真实例1第68-70页
     ·仿真实例2第70-72页
     ·仿真实例3第72-73页
   ·结论第73-75页
第4章 基于改进模糊C回归模型聚类算法的T-S模糊模型辨识算法第75-95页
   ·回归问题第75-77页
   ·切换回归模型第77-79页
   ·模糊C回归模型聚类算法第79-81页
   ·改进模糊C回归模型聚类算法第81-87页
     ·竞争学习理论第81-82页
     ·GIFP_FCM聚类算法第82-84页
     ·Voronoi距离对GIFP_FCM聚类算法鲁棒性的解释第84-86页
     ·改进模糊C回归模型聚类算法第86-87页
   ·仿真实例第87-93页
     ·仿真实例1第87-89页
     ·仿真实例2第89-90页
     ·仿真实例3第90-92页
     ·仿真实例4第92-93页
   ·结论第93-95页
第5章 基于混合聚类算法的模糊函数系统辨识方法第95-110页
   ·模糊函数建模方法第96-98页
   ·混合聚类算法第98-100页
   ·基于混合聚类算法的模糊函数系统辨识算法第100-101页
   ·仿真实例第101-108页
     ·仿真实例1第101-103页
     ·仿真实例2第103-105页
     ·仿真实例3第105-107页
     ·仿真实例4第107-108页
   ·结论第108-110页
第6章 结论与展望第110-113页
   ·主要工作和创新点第110-111页
   ·今后的研究内容第111-113页
参考文献第113-124页
攻读博士学位期间发表的论文及其它成果第124-125页
攻读博士学位期间参加的科研工作第125-126页
致谢第126-127页
作者简介第127页

论文共127页,点击 下载论文
上一篇:基于不确定理论的电力市场售购电策略研究
下一篇:节能减排政策下电网企业收益风险管理研究