| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景和研究现状 | 第10-13页 |
| 1.2.1 模糊系统的起源与发展 | 第10页 |
| 1.2.2 人工神经网络及其发展现状 | 第10-11页 |
| 1.2.3 模糊神经网路的研究进展 | 第11-12页 |
| 1.2.4 教育数据挖掘的研究现状 | 第12-13页 |
| 1.3 模糊神经网络的应用 | 第13页 |
| 1.4 本文的主要内容以及组织结构 | 第13-15页 |
| 第2章 模糊系统及神经网络概述 | 第15-22页 |
| 2.1 模糊系统概述 | 第15-18页 |
| 2.1.1 模糊理论 | 第15页 |
| 2.1.2 模糊系统的Mandani模型 | 第15-17页 |
| 2.1.3 模糊系统的Takagi-Sugeno模型 | 第17-18页 |
| 2.2 神经网络概述 | 第18-22页 |
| 2.2.1 生物神经元 | 第18页 |
| 2.2.2 人工神经元 | 第18-19页 |
| 2.2.3 人工神经网络 | 第19-20页 |
| 2.2.4 前馈神经网络 | 第20-22页 |
| 第3章 基于模糊理论的神经网络模型 | 第22-38页 |
| 3.1 模糊系统与人工神经网络结合 | 第22-24页 |
| 3.1.1 协作模糊神经网络 | 第22-23页 |
| 3.1.2 混合模糊神经网络 | 第23-24页 |
| 3.2 自适应神经模糊推理系统（ANFIS） | 第24-26页 |
| 3.3 迭代自适应神经模糊推理系统 | 第26-31页 |
| 3.3.1 迭代自适应神经模糊推理系统 | 第26-30页 |
| 3.3.2 与常规自适应神经模糊推理系统(ANFIS)比较 | 第30-31页 |
| 3.4 实验验证 | 第31-38页 |
| 3.4.1 使用技术介绍 | 第31页 |
| 3.4.2 生成实验数据集 | 第31-34页 |
| 3.4.3 实验结果 | 第34-36页 |
| 3.4.4 性能说明 | 第36-38页 |
| 第4章 模糊神经网络算法在教育数据上的应用 | 第38-60页 |
| 4.1 数据预处理 | 第38-40页 |
| 4.2 实验模型设计 | 第40-42页 |
| 4.3 二维关联性分析 | 第42-52页 |
| 4.3.1 单输入ANFIS预测误差 | 第42-43页 |
| 4.3.2 科目分数分布状况 | 第43-46页 |
| 4.3.3 预测曲线波动强度 | 第46-47页 |
| 4.3.4 按照条件筛选结果 | 第47-52页 |
| 4.4 高维关联性分析 | 第52-60页 |
| 4.4.1 数据选择 | 第52-53页 |
| 4.4.2 高维与低维预测结果对比 | 第53-56页 |
| 4.4.3 整体实验结果 | 第56-60页 |
| 第5章 结论与展望 | 第60-62页 |
| 5.1 本文总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 作者简介及在学期间所取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |