最大熵模型的T-S模糊化
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1.绪论 | 第9-12页 |
| ·最大熵模型的发展史 | 第9页 |
| ·最大熵模型的主要问题和传统解决方法 | 第9-10页 |
| ·本文提出的思路和主要解决方法 | 第10页 |
| ·论文结构安排 | 第10-12页 |
| 2.最大熵模型的数学推导 | 第12-18页 |
| ·拉格朗日乘数法 | 第12-13页 |
| ·拉格朗日乘数法的定义 | 第12页 |
| ·拉格朗日乘数法对三元函数求解 | 第12-13页 |
| ·最大熵归一化因子的计算 | 第13-14页 |
| ·归一化因子的计算过程 | 第13页 |
| ·归一化因子的计算证明 | 第13-14页 |
| ·最大熵模型的数学推导过程 | 第14-16页 |
| ·数学描述 | 第14-15页 |
| ·数学推导 | 第15-16页 |
| ·本章总结 | 第16-18页 |
| 3.改进的指数型T-S模糊控制 | 第18-31页 |
| ·改进的指数型Logistic回归模型 | 第18-20页 |
| ·Logistic回归原理 | 第18-19页 |
| ·改进的指数型Logistic模型的参数求解 | 第19-20页 |
| ·改进的指数型模糊逻辑系统 | 第20-25页 |
| ·指数型模糊逻辑系统的基本结构 | 第20-23页 |
| ·改进的指数型T-S模糊逻辑系统 | 第23-25页 |
| ·指数型模糊控制系统的稳定性分析 | 第25-29页 |
| ·指数型T-S模糊控制器的设计 | 第29页 |
| ·本章总结 | 第29-31页 |
| 4.最大熵模型的T-S模糊化 | 第31-36页 |
| ·Logistic模型变换 | 第31页 |
| ·最大熵模型归一化因子的替代 | 第31页 |
| ·最大熵全局模糊模型的建立 | 第31-32页 |
| ·最大熵T-S模糊控制器的设计及其稳定性分析 | 第32-35页 |
| ·本章总结 | 第35-36页 |
| 5.实验仿真 | 第36-42页 |
| ·最大熵模型求解实现 | 第36-40页 |
| ·最大熵模型GIS算法的python实现 | 第36-37页 |
| ·最大熵模型T-S模糊控制的matlab实现 | 第37-40页 |
| ·实验对比图像分析 | 第40-41页 |
| ·本章总结 | 第41-42页 |
| 6.总结与展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |
| 作者简介 | 第47-48页 |
