| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 模糊系统的研究现状 | 第10-11页 |
| 1.2.2 单输入规则模块加权模糊推理系统的研究现状 | 第11-12页 |
| 1.2.3 知识与数据驱动研究现状 | 第12-13页 |
| 1.3 课题研究的主要内容及结构安排 | 第13-16页 |
| 1.3.1 课题研究的主要内容 | 第13-14页 |
| 1.3.2 论文的结构安排 | 第14-16页 |
| 第2章 数据与知识驱动的单输入规则模块加权模糊推理系统 | 第16-26页 |
| 2.1 单输入规则模块加权模糊推理系统及其单调性 | 第16-17页 |
| 2.1.1 单输入规则模块加权的模糊推理系统 | 第16页 |
| 2.1.2 单输入规则模块加权模糊推理系统的单调性 | 第16-17页 |
| 2.2 数据和知识驱动的参数学习算法 | 第17-20页 |
| 2.2.1 前件参数的设置 | 第18页 |
| 2.2.2 单输入规则模块重要度的确定 | 第18-19页 |
| 2.2.3 基于约束最小二乘法的参数优化 | 第19-20页 |
| 2.3 在热舒适预测中的应用 | 第20-25页 |
| 2.3.1 热舒适预测模型 | 第21-22页 |
| 2.3.2 单输入规则模块加权模糊推理系统的参数约束 | 第22-23页 |
| 2.3.3 仿真设定 | 第23-24页 |
| 2.3.4 仿真结果和分析 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 数据驱动的函数型单输入规则模块加权神经模糊系统的构建 | 第26-42页 |
| 3.1 函数型单输入规则模块加权神经模糊系统的构建 | 第26-29页 |
| 3.1.1 函数型单输入规则模块加权模糊推理系统 | 第26-27页 |
| 3.1.2 函数型单输入规则模块加权神经模糊系统 | 第27-29页 |
| 3.2 FSIRMNFS的参数学习 | 第29-32页 |
| 3.2.1 符号标记 | 第29-30页 |
| 3.2.2 学习算法的结构 | 第30页 |
| 3.2.3 第2层中前件模糊集的确定 | 第30-31页 |
| 3.2.4 初始化第2层的后件函数参数 | 第31页 |
| 3.2.5 第5层与第6层之间的权重学习 | 第31页 |
| 3.2.6 第2层后件函数参数的学习 | 第31-32页 |
| 3.2.7 讨论 | 第32页 |
| 3.3 仿真分析 | 第32-41页 |
| 3.3.1 风速预测模型 | 第33页 |
| 3.3.2 所选用的数据集 | 第33-34页 |
| 3.3.3 数据预处理 | 第34-35页 |
| 3.3.4 仿真设置 | 第35-36页 |
| 3.3.5 仿真结果 | 第36-40页 |
| 3.3.6 仿真结果分析与比较 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 数据驱动的二型模糊逻辑系统的构建 | 第42-52页 |
| 4.1 模糊逻辑系统 | 第42-45页 |
| 4.1.1 一型模糊逻辑系统 | 第42页 |
| 4.1.2 二型模糊集合 | 第42-44页 |
| 4.1.3 二型模糊逻辑系统 | 第44-45页 |
| 4.2 数据驱动二型模糊逻辑系统的设计 | 第45-48页 |
| 4.2.1 基于ANFIS的一型模糊逻辑系统的构建 | 第46页 |
| 4.2.2 基于集成策略的二型模糊逻辑系统的构建 | 第46-48页 |
| 4.3 仿真分析 | 第48-50页 |
| 4.3.1 问题描述 | 第48-49页 |
| 4.3.2 仿真结果和比较 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-56页 |
| 5.1 总结 | 第52-53页 |
| 5.2 后期工作与展望 | 第53-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士学位期间论文发表及科研情况 | 第64-65页 |
