| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题研究的目的及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·聚类分析基础及研究现状 | 第10-11页 |
| ·非线性系统辨识基础及研究现状 | 第11-15页 |
| ·论文各章节内容安排 | 第15-17页 |
| 第二章 聚类分析算法研究 | 第17-29页 |
| ·常用的硬划分聚类分析算法 | 第17-22页 |
| ·基于 K-均值划分方法 | 第18-19页 |
| ·BIRCH 算法 | 第19-22页 |
| ·DBSCAN 算法 | 第22页 |
| ·模糊聚类分析算法 | 第22-26页 |
| ·模糊聚类理论基础 | 第23-24页 |
| ·模糊 C-均值算法 | 第24-26页 |
| ·聚类分析算法的仿真实验 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于 LSSVM 的系统辨识 | 第29-43页 |
| ·基于 SVM 的系统辨识 | 第29-36页 |
| ·SVM 基本原理 | 第29-31页 |
| ·基于 SVM 系统辨识 | 第31-35页 |
| ·基于 SVM 系统辨识结果分析 | 第35-36页 |
| ·基于 LSSVM 的系统辨识 | 第36-41页 |
| ·LSSVM 基本原理 | 第36-38页 |
| ·最小二乘支持向量机模型参数 | 第38页 |
| ·基于 LSSVM 系统辨识 | 第38-41页 |
| ·基于 LSSVM 系统辨识结果分析 | 第41页 |
| ·仿真实验结果分析比较 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于聚类分析和 LS-SVM 的非线性系统辨识 | 第43-51页 |
| ·T-S 模糊模型 | 第43-44页 |
| ·T-S 模糊模型非线性系统的辨识 | 第44-46页 |
| ·模糊模型输入空间的划分 | 第45-46页 |
| ·模糊模型的参数估计 | 第46页 |
| ·基于聚类分析算法的 T-S 模糊模型结构辨识 | 第46-47页 |
| ·基于最小二乘支持向量机的 T-S 模糊模型的辨识 | 第47-48页 |
| ·仿真实例及结果分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·主要研究工作 | 第51-52页 |
| ·工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间的科研成果 | 第57-58页 |