| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10页 |
| ·模糊规则自动提取方法概述及问题提出 | 第10-13页 |
| ·免疫理论的新发展 | 第13-14页 |
| ·本文方法概述 | 第14页 |
| ·论文的结构安排 | 第14-16页 |
| 第二章 克隆选择原理及克隆算法 | 第16-27页 |
| ·引言 | 第16页 |
| ·克隆选择原理 | 第16-21页 |
| ·免疫学习和免疫记忆 | 第18-19页 |
| ·亲和力成熟 | 第19-21页 |
| ·克隆算法 | 第21-25页 |
| ·算法中的符号说明 | 第21页 |
| ·克隆算法的优化过程 | 第21-25页 |
| ·克隆选择与进化计算 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于克隆算法的模糊IF-THEN 规则提取 | 第27-41页 |
| ·if-then 模糊规则 | 第27-29页 |
| ·模糊if-then 规则形式 | 第27页 |
| ·模式空间的划分 | 第27-29页 |
| ·模糊规则的信度 | 第29页 |
| ·多精度模糊分割的规则产生方法 | 第29-32页 |
| ·基于克隆算法的模糊规则提取过程 | 第32-38页 |
| ·亲和力函数的建立 | 第33-34页 |
| ·抗体编码及解码 | 第34-36页 |
| ·克隆算法的操作 | 第36-38页 |
| ·克隆算法中可变参数的灵敏度 | 第38-40页 |
| ·可变参数n的灵敏度 | 第38-39页 |
| ·可变参数N_c 的灵敏度 | 第39-40页 |
| ·可变参数d 的灵敏度 | 第40页 |
| ·小结 | 第40-41页 |
| 第四章 基于克隆算法的模糊规则提取在车型分类中的应用 | 第41-64页 |
| ·引言 | 第41页 |
| ·基于感应线圈的车辆信息提取技术 | 第41-42页 |
| ·基于车辆感应信号的小波分解特征提取 | 第42-51页 |
| ·小波变换及基于小波分解的能量特征 | 第43-47页 |
| ·小波变换 | 第43-44页 |
| ·基于小波分解的能量特征 | 第44-47页 |
| ·车辆感应曲线的特征提取 | 第47-51页 |
| ·基于克隆算法的模糊规则提取在车型分类中的应用 | 第51-54页 |
| ·样本数据预处理 | 第51-53页 |
| ·车型特征的多维模式空间分割 | 第53-54页 |
| ·算法执行 | 第54-63页 |
| ·算法收敛性效果 | 第55页 |
| ·算法分类准确率及其稳定性 | 第55-56页 |
| ·最终提取的最佳车型识别规则集OPT _ S | 第56-59页 |
| ·单模糊分割精度下规则集的分类能力 | 第59-61页 |
| ·W_(NCP) 和W_S 的比值对于规则提取个数及分类能力的影响 | 第61页 |
| ·讨论 | 第61-63页 |
| ·小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 附录A 攻读学位期间发表的论文 | 第72页 |
