摘要 | 第1-15页 |
ABSTRACT | 第15-20页 |
符号说明 | 第20-23页 |
第一章 绪论 | 第23-39页 |
·研究背景与意义 | 第23-24页 |
·智能居住环境的研究现状 | 第24-34页 |
·智能居住环境的用户行为识别、预测 | 第24-26页 |
·智能居住环境的知识表示 | 第26-28页 |
·智能居住环境的控制策略 | 第28-30页 |
·Agent技术在智能居住环境中的应用 | 第30-34页 |
·课题的主要研究内容及章节安排 | 第34-37页 |
·小结 | 第37-39页 |
第二章 智能居住环境Multi-Agent系统构架 | 第39-53页 |
·引言 | 第39-40页 |
·基于ZigBee的智能居住环境无线传感器网络系统 | 第40-43页 |
·智能居住环境Multi-Agent系统构架 | 第43-50页 |
·总体构架 | 第44-45页 |
·Agent模型 | 第45-50页 |
·小结 | 第50-53页 |
第三章 智能居住环境用户行为识别 | 第53-63页 |
·引言 | 第53-54页 |
·新型OPNN神经网络结构与算法 | 第54-58页 |
·采集分类学习数据 | 第55-56页 |
·OPNN神经网络学习算法 | 第56-58页 |
·OPNN神经网络输出算法 | 第58页 |
·异常行为识别方法 | 第58-59页 |
·实验分析 | 第59-61页 |
·小结 | 第61-63页 |
第四章 动态关联智能模糊Agent | 第63-89页 |
·引言 | 第63-64页 |
·基于用户喜好学习的智能模糊Agent | 第64-76页 |
·采集输入输出数据对 | 第65页 |
·隶属度函数学习 | 第65-68页 |
·萃取模糊规则 | 第68-69页 |
·IFA模糊控制 | 第69-70页 |
·在线自适应学习算法 | 第70-71页 |
·实验分析 | 第71-76页 |
·输入输出动态关联算法 | 第76-86页 |
·概述 | 第76-77页 |
·Hebb学习 | 第77-78页 |
·输入输出动态关联算法 | 第78-82页 |
·动态关联实验与分析 | 第82-86页 |
·DAIFA控制系统结构 | 第86-87页 |
·DAIFA实验分析 | 第87页 |
·小结 | 第87-89页 |
第五章 基于聚类的超闭球CMAC神经网络非线性动态建模 | 第89-105页 |
·引言 | 第89-91页 |
·HCMAC神经网络算法 | 第91-93页 |
·非线性动态过程的描述 | 第91页 |
·HCMAC神经网络算法 | 第91-93页 |
·HCMAC神经网络算法的改进 | 第93-96页 |
·基于聚类的神经网络节点计算 | 第93-94页 |
·高斯基函数σ参数的确定 | 第94-95页 |
·权系数初始值q_0的模糊推理算法 | 第95页 |
·神经网络的输出计算 | 第95-96页 |
·神经网络节点和权值的在线修改 | 第96页 |
·仿真研究 | 第96-99页 |
·智能居住环境应用举例 | 第99-103页 |
·智能居住环境预测控制 | 第99-102页 |
·空调启停时间预测 | 第102-103页 |
·小结 | 第103-105页 |
第六章 智能动态热舒适控制 | 第105-129页 |
·引言 | 第105-106页 |
·智能动态热舒适控制系统结构 | 第106-107页 |
·PMV软测量 | 第107-113页 |
·用户热舒适区学习 | 第113-116页 |
·动态热舒适控制 | 第116-117页 |
·基于计算实验的温度、湿度、风速给定值的确定 | 第117-121页 |
·温度、风速、湿度对PMV的影响 | 第117-119页 |
·基于计算实验的温度、湿度、风速值的确定 | 第119-121页 |
·实验与分析 | 第121-127页 |
·用户热舒适区学习实验 | 第122-123页 |
·动态热舒适控制实验 | 第123-127页 |
·小结 | 第127-129页 |
第七章 结论与展望 | 第129-133页 |
·论文的主要研究成果 | 第129-131页 |
·进一步研究工作的展望 | 第131-133页 |
参考文献 | 第133-145页 |
致谢 | 第145-147页 |
攻读学位期间发表的学术论文目录 | 第147-149页 |
攻读学位期间科研成果 | 第149-151页 |
学位论文评阅及答辩情况表 | 第151-153页 |
附录 完成的英文论文 | 第153-163页 |