模糊规则库的生成与优化
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1 章 绪论 | 第10-18页 |
| ·本文研究课题学术背景 | 第10-11页 |
| ·课题国内外研究的现状与发展 | 第11-14页 |
| ·模糊规则生成与优化中存在的问题与研究意义 | 第14-15页 |
| ·论文的研究内容与结构安排 | 第15-18页 |
| 第2 章 模糊规则库的生成 | 第18-30页 |
| ·模糊规则库的概念 | 第18-20页 |
| ·相关知识简介 | 第18页 |
| ·模糊规则库定义及生成方法 | 第18-20页 |
| ·模糊规则库的生成方法 | 第20-24页 |
| ·模糊规则的两种形式 | 第20-21页 |
| ·划分空间方法的模糊规则库生成 | 第21-23页 |
| ·模糊聚类方法的模糊规则库生成 | 第23-24页 |
| ·模糊神经网络完善规则库 | 第24-26页 |
| ·模糊神经网络模型 | 第24-25页 |
| ·模糊神经网络优化的过程 | 第25-26页 |
| ·模糊神经学习算法 | 第26-29页 |
| ·模糊神经学习算法 | 第26-28页 |
| ·传统的模糊神经学习算法属性 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3 章 改进的FCM 方法生成模糊规则库 | 第30-50页 |
| ·HCM 算法 | 第30-33页 |
| ·FCM 算法 | 第33-34页 |
| ·改进的FCM 算法 | 第34-38页 |
| ·新的聚类判别准则 | 第34-35页 |
| ·改进的模糊c-均值聚类算法 | 第35-37页 |
| ·改进的模糊c-均值聚类算法优点 | 第37-38页 |
| ·基于改进的模糊聚类算法生成模糊规则库 | 第38-39页 |
| ·利用模糊神经网络进行参数优化 | 第39-42页 |
| ·改进的模糊C-均值聚类算法实验与结论 | 第42-46页 |
| ·仿真实验 | 第42-46页 |
| ·实验结论 | 第46页 |
| ·模糊神经网络优化参数仿真实验与结论 | 第46-49页 |
| ·仿真实验 | 第46-49页 |
| ·实验结论 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第4 章 基于GA 优化模糊推理系统 | 第50-71页 |
| ·基干遗传算法优化模糊推理规则 | 第50-52页 |
| ·HOMAIFAR 优化方法 | 第52-55页 |
| ·隶属度和规则同时编码 | 第52-53页 |
| ·适应度函数的选择 | 第53页 |
| ·遗传算子的选择 | 第53-54页 |
| ·遗传优化算法描述 | 第54-55页 |
| ·Homaifar 优化方法的优缺点 | 第55页 |
| ·新优化方法的参数和结构设置 | 第55-60页 |
| ·遗传算法的编码 | 第56-58页 |
| ·适应度函数的选择 | 第58页 |
| ·遗传算子的选择 | 第58-59页 |
| ·结构优化及规则处理 | 第59-60页 |
| ·新优化方法的算法 | 第60-63页 |
| ·本文优化算法的步骤 | 第60-62页 |
| ·本文优化算法的优点 | 第62-63页 |
| ·模拟实验及结论 | 第63-70页 |
| ·三变量函数逼近模拟 | 第63-67页 |
| ·实验结论 | 第67页 |
| ·仿真结果对比 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 作者简介 | 第79页 |
