| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·研究的目的和意义 | 第11-13页 |
| ·模糊建模的发展过程及研究现状 | 第13-15页 |
| ·语言模糊模型 | 第13页 |
| ·模糊关系模型 | 第13-14页 |
| ·Takagi-Sugeno 模型 | 第14-15页 |
| ·模糊模型结构辨识方法 | 第15-17页 |
| ·系统输入变量的选择 | 第15-16页 |
| ·输入空间的模糊划分 | 第16-17页 |
| ·模糊模型参数辨识方法 | 第17-19页 |
| ·基于梯度学习的参数辨识 | 第18页 |
| ·基于模糊神经网络的参数学习 | 第18页 |
| ·应用遗传算法进行参数辨识与优化 | 第18-19页 |
| ·模糊辨识中的其它问题 | 第19-20页 |
| ·衡量非线性建模方法好坏的几个方面 | 第19页 |
| ·模糊辨识算法在实际系统应用中的几个问题 | 第19-20页 |
| ·模糊模型的品质指标 | 第20页 |
| ·模糊辨识领域尚待解决的问题 | 第20-21页 |
| ·本文的主要内容和安排 | 第21-23页 |
| 第2章 模糊辨识方法的基础理论 | 第23-29页 |
| ·引言 | 第23页 |
| ·模糊逻辑系统中的基本概念 | 第23-26页 |
| ·模糊逻辑系统的分类 | 第26-28页 |
| ·纯模糊逻辑系统 | 第26-27页 |
| ·高木—关野模糊系统 | 第27-28页 |
| ·具有模糊产生器和模糊消除器的模糊逻辑系统 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 隶属函数对模糊模型描述性能的影响 | 第29-39页 |
| ·引言 | 第29页 |
| ·基于T-S 模型的模糊辨识 | 第29-38页 |
| ·模糊模型 | 第29-30页 |
| ·隶属函数的确定 | 第30-34页 |
| ·结论参数辨识 | 第34-35页 |
| ·仿真研究 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于模糊模型的非线性系统去噪声建模 | 第39-55页 |
| ·引言 | 第39-40页 |
| ·基于T-S 模型的模糊非线性噪声消除 | 第40-45页 |
| ·问题的提出 | 第40页 |
| ·模糊模型 | 第40-41页 |
| ·参数辨识 | 第41-42页 |
| ·非线性噪声消除 | 第42-43页 |
| ·仿真实例 | 第43-45页 |
| ·基于可信度模糊C 均值算法的去噪声建模方法 | 第45-53页 |
| ·问题的提出 | 第45-46页 |
| ·模糊C 均值算法 | 第46-48页 |
| ·可信度模糊C 均值算法 | 第48-51页 |
| ·建模方法 | 第51页 |
| ·仿真实例 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 基于递阶模糊聚类的模糊辨识方法 | 第55-68页 |
| ·引言 | 第55页 |
| ·基于递阶模糊聚类的非线性模糊辨识方法 | 第55-61页 |
| ·问题的提出 | 第55-56页 |
| ·模糊模型 | 第56页 |
| ·输入空间初始划分 | 第56-57页 |
| ·优化输入空间模糊划分 | 第57-58页 |
| ·系统参数辨识 | 第58-59页 |
| ·仿真实例 | 第59-61页 |
| ·基于递阶模糊聚类的混沌时间序列预测 | 第61-66页 |
| ·问题的提出 | 第61-62页 |
| ·初始化结论参数 | 第62页 |
| ·优化结论参数 | 第62-63页 |
| ·Mackey-Glass 混沌时间序列建模与预测 | 第63-66页 |
| ·本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-77页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 作者简介 | 第79页 |