| 第一章 导论 | 第1-19页 |
| 1．1 引言 | 第11-13页 |
| 1．1．1 问题的提出 | 第11-13页 |
| 1．1．2 课题的来源 | 第13页 |
| 1．2 模糊建模技术综述 | 第13-16页 |
| 1．2．1 系统专家直接方法 | 第13-14页 |
| 1．2．2 数值计算方法 | 第14页 |
| 1．2．3 基于计算智能的学习方法 | 第14-16页 |
| 1．3 研究内容及章节安排 | 第16-19页 |
| 第二章 模糊模型与计算智能 | 第19-37页 |
| 2．1 模糊集与模糊模型 | 第19-27页 |
| 2．1．1 模糊集与模糊操作 | 第19-21页 |
| 2．1．2 模糊推理 | 第21-24页 |
| 2．1．3 模糊模型的特征分析 | 第24-26页 |
| 2．1．4 模糊模型的连接表示 | 第26-27页 |
| 2．2 模糊建模 | 第27-29页 |
| 2．2．1 模糊建模过程 | 第27-28页 |
| 2．2．2 模糊建模涉及的内容 | 第28-29页 |
| 2．3 计算智能 | 第29-37页 |
| 2．3．1 进化计算 | 第30-32页 |
| 2．3．2 模拟退火 | 第32-33页 |
| 2．3．3 群智能理论 | 第33-35页 |
| 2．3．4 神经网络 | 第35-37页 |
| 第三章 广义模糊模型的协同进化 | 第37-59页 |
| 3．1 引言 | 第37页 |
| 3．2 协同进化模型 | 第37-39页 |
| 3．2．1 多种群协同进化框架 | 第38-39页 |
| 3．2．2 协同进化一般性算法 | 第39页 |
| 3．3 模糊模型的广义描述 | 第39-40页 |
| 3．3．1 广义模糊模型 | 第39-40页 |
| 3．3．2 广义模糊模型的学习内容 | 第40页 |
| 3．4 广义模糊模型的协同进化策略 | 第40-48页 |
| 3．4．1 广义模糊模型的种群分解 | 第41-43页 |
| 3．4．2 协作适应值评估策略 | 第43-44页 |
| 3．4．3 异构种群的进化策略 | 第44-47页 |
| 3．4．4 广义模糊模型的协同进化算法 | 第47-48页 |
| 3．5 协同进化广义模糊模型在近似及预测中的应用分析 | 第48-53页 |
| 3．5．1 后件参数的估计技术 | 第48-50页 |
| 3．5．2 函数近似算例分析 | 第50-51页 |
| 3．5．3 混沌时间序列预测 | 第51-53页 |
| 3．6 协同进化广义模糊模型分类能力分析 | 第53-58页 |
| 3．6．1 模糊模型分类策略 | 第53-55页 |
| 3．6．2 分类性能分析 | 第55-58页 |
| 3．7 本章小结 | 第58-59页 |
| 第四章 语言模型的层次学习 | 第59-80页 |
| 4．1 引言 | 第59-60页 |
| 4．2 语言模型及其精确性改进措施 | 第60-66页 |
| 4．2．1 语言模型可理解性特征 | 第60-61页 |
| 4．2．2 语言模型的理解性与精确性权衡 | 第61-65页 |
| 4．2．3 简化语言模型的推理计算 | 第65-66页 |
| 4．3 基于改进微粒群算法的语言值参数学习 | 第66-71页 |
| 4．3．1 微粒群算法的改进 | 第66-68页 |
| 4．3．2 语言值微粒群学习的实现 | 第68-71页 |
| 4．4 基于模拟退火的语言模型重构 | 第71-75页 |
| 4．4．1 语言模型的模拟退火策略 | 第71-74页 |
| 4．4．2 语言模型的模拟退火算法实现 | 第74-75页 |
| 4．5 算例分析 | 第75-78页 |
| 4．5．1 语言模型层次学习仿真应用分析 | 第75-78页 |
| 4．5．2 改进微粒群算法的应用效果分析 | 第78页 |
| 4．6 本章小结 | 第78-80页 |
| 第五章 分层模糊模型的混合智能学习 | 第80-103页 |
| 5．1 引言 | 第80-81页 |
| 5．2 分层模糊模型结构特征分析 | 第81-86页 |
| 5．2．1 增长型分层模糊模型 | 第81-83页 |
| 5．2．2 累积型分层模糊模型 | 第83-85页 |
| 5．2．3 分层模糊模型的其它结构 | 第85-86页 |
| 5．3 最优结构分层模糊模型及其GA-DBP混合学习框架 | 第86-89页 |
| 5．3．1 分层模糊模型的建模问题 | 第86-87页 |
| 5．3．2 分层模糊模型的最优结构 | 第87-88页 |
| 5．3．3 分层模糊模型的GA-DBP混合学习框架 | 第88-89页 |
| 5．4 分层模糊模型的GA-DBP混合算法实现 | 第89-100页 |
| 5．4．1 基于改进GA算法的分层模糊模型结构学习 | 第89-94页 |
| 5．4．2 分层模糊模型参数的动态BP算法 | 第94-99页 |
| 5．4．3 分层模糊模型的GA-DBP混合算法 | 第99-100页 |
| 5．5 仿真实例分析 | 第100-101页 |
| 5．6 本章小结 | 第101-103页 |
| 第六章 模糊模型在变压器状态识别中的应用研究 | 第103-124页 |
| 6．1 引言 | 第103-104页 |
| 6．2 基于DGA的变压器故障诊断方法 | 第104-109页 |
| 6．2．1 变压器故障与油中溶解气体的定性关系 | 第104-106页 |
| 6．2．2 基于DGA的变压器诊断方法研究和应用现状 | 第106-109页 |
| 6．3 基于语言模型的变压器运行状态识别 | 第109-118页 |
| 6．3．1 样本数据的特征处理 | 第110-111页 |
| 6．3．2 变压器运行状态识别语言模型的构造策略 | 第111-114页 |
| 6．3．3 变压器运行状态识别语言模型 | 第114-117页 |
| 6．3．4 应用分析 | 第117-118页 |
| 6．4 分层模糊模型在DGA数据的应用研究 | 第118-122页 |
| 6．4．1 基于分层模糊模型的变压器状态识别 | 第118-119页 |
| 6．4．2 变压器状态分层模糊识别模型的实现 | 第119-121页 |
| 6．4．3 分层模糊识别模型的验证 | 第121-122页 |
| 6．5 本章小结 | 第122-124页 |
| 第七章 全文总结 | 第124-126页 |
| 7．1 研究成果 | 第124-125页 |
| 7．2 工作展望 | 第125-126页 |
| 参考文献 | 第126-137页 |
| 致谢 | 第137-138页 |
| 在攻读学位期间的研究成果 | 第138-139页 |
