基于数据驱动的模糊系统建模方法研究
| 第一章 绪论 | 第1-13页 |
| ·研究背景 | 第8-11页 |
| ·模糊系统简介 | 第8-10页 |
| ·模糊系统建模 | 第10-11页 |
| ·本文工作 | 第11-13页 |
| ·研究路线和方法 | 第11页 |
| ·本文研究内容 | 第11-13页 |
| 第二章 模糊系统及其解释性分析 | 第13-29页 |
| ·引言 | 第13页 |
| ·模糊理论 | 第13-19页 |
| ·常用模糊推理系统 | 第19-21页 |
| ·模糊系统建模方法比较分析 | 第21-23页 |
| ·模糊系统结构辩识方法 | 第21-22页 |
| ·模糊系统参数学习方法 | 第22-23页 |
| ·模糊系统的解释性 | 第23-28页 |
| ·模糊空间划分的解释性评价标准 | 第24-27页 |
| ·模糊规则的解释性评价标准 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 基于遗传算法的初始模糊系统建模 | 第29-48页 |
| ·引言 | 第29页 |
| ·遗传算法 | 第29-33页 |
| ·遗传算法的实现技术 | 第29-31页 |
| ·遗传算法的理论基础 | 第31-33页 |
| ·基于遗传算法的模糊系统建模 | 第33-47页 |
| ·模糊空间划分 | 第33-37页 |
| ·规则库的生成策略 | 第37-39页 |
| ·初始模糊系统模型 | 第39页 |
| ·适应度函数设计 | 第39-40页 |
| ·遗传算子设计 | 第40-41页 |
| ·算法步骤 | 第41-42页 |
| ·仿真实验 | 第42-47页 |
| ·小结 | 第47-48页 |
| 第四章 基于递阶遗传算法的模糊系统建模 | 第48-61页 |
| ·引言 | 第48页 |
| ·递阶遗传算法 | 第48-49页 |
| ·HGA-FNN 优化算法 | 第49-59页 |
| ·染色体编码设计 | 第50-51页 |
| ·适应度函数设计 | 第51-52页 |
| ·遗传算子设计 | 第52页 |
| ·算法步骤 | 第52-53页 |
| ·仿真实验 | 第53-59页 |
| ·小结 | 第59-61页 |
| 第五章 基于微粒群算法的模糊系统建模 | 第61-82页 |
| ·引言 | 第61页 |
| ·微粒群优化算法 | 第61-68页 |
| ·标准微粒群算法 | 第62-63页 |
| ·微粒群算法参数分析 | 第63-65页 |
| ·微粒群算法的行为分析 | 第65-68页 |
| ·和其它进化计算方法的比较 | 第68页 |
| ·一种有分工策略的微粒群算法 | 第68-73页 |
| ·算法描述 | 第69-71页 |
| ·仿真实验 | 第71-73页 |
| ·基于微粒群算法的模糊系统优化算法 | 第73-81页 |
| ·算法描述 | 第73-75页 |
| ·算法流程 | 第75页 |
| ·仿真实验 | 第75-81页 |
| ·小结 | 第81-82页 |
| 第六章 基于多目标微粒群算法的模糊系统优化 | 第82-98页 |
| ·引言 | 第82页 |
| ·多目标优化问题 | 第82-83页 |
| ·多目标进化方法 | 第83-86页 |
| ·不基于 Pareto 排序的多目标进化算法 | 第83-84页 |
| ·基于 Pareto 排序的多目标进化算法 | 第84-86页 |
| ·模糊系统优化的多目标微粒群算法 | 第86-92页 |
| ·优化目标函数的确定 | 第86-89页 |
| ·启发性分量加权均值法 | 第89-92页 |
| ·算法流程 | 第92页 |
| ·味觉信号识别的仿真实验 | 第92-97页 |
| ·味觉传感器 | 第92-94页 |
| ·茶味觉信号识别 | 第94-97页 |
| ·小结 | 第97-98页 |
| 第七章 总结与展望 | 第98-102页 |
| ·本文提出的几种方法比较 | 第98-99页 |
| ·本文的主要贡献 | 第99-100页 |
| ·进一步研究的方向 | 第100-102页 |
| 参考文献 | 第102-114页 |
| 作者读博士期间发表的论文 | 第114-116页 |
| 致谢 | 第116-117页 |
| 学位论文摘要(中文) | 第117-120页 |
| Abstract | 第120-123页 |
