| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-25页 |
| ·课题的研究背景及其意义 | 第13-15页 |
| ·增量奇异值分解和增量学习模糊神经网络的研究现状 | 第15-21页 |
| ·增量SVD研究现状 | 第15-17页 |
| ·模糊神经网络概述 | 第17-19页 |
| ·模糊神经网络增量学习研究现状 | 第19-21页 |
| ·本文研究工作概述 | 第21-24页 |
| ·本文的内容安排 | 第24-25页 |
| 2 无协方差增量奇异值分解 | 第25-36页 |
| ·引言 | 第25-26页 |
| ·奇异值分解SVD概述 | 第26-27页 |
| ·增量奇异值分解 | 第27-31页 |
| ·AA~T第一个特征向量计算 | 第27-29页 |
| ·求解特征值算法的直观解释 | 第29-30页 |
| ·其他特征向量求解 | 第30-31页 |
| ·特征值相等情况 | 第31页 |
| ·增量奇异值分解及其算法总结 | 第31-32页 |
| ·实验结果及分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 3 免修剪的增量连续学习模糊神经网络 | 第36-48页 |
| ·引言 | 第36-37页 |
| ·PFISL-FNN结构 | 第37-38页 |
| ·PFISL-FNN学习算法 | 第38-42页 |
| ·规则产生标准 | 第38-41页 |
| ·参数调整 | 第41页 |
| ·完整的PFISL-FNN算法 | 第41-42页 |
| ·实验结果与分析 | 第42-47页 |
| ·实验1：Hermite函数逼近 | 第42-44页 |
| ·实验2：非线性动态系统识别 | 第44-45页 |
| ·实验3：Machey-Glass time时系预测 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 4 优化修剪增量极速学习模糊神经网络 | 第48-58页 |
| ·引言 | 第48-49页 |
| ·ELM学习算法简介 | 第49-51页 |
| ·具有RBF核的SLFNs一致逼近 | 第49-50页 |
| ·RBF逼近问题 | 第50页 |
| ·RBF标准最小二乘解 | 第50-51页 |
| ·OPIEL-FNN算法描述 | 第51-55页 |
| ·OPIEL-FNN模型 | 第51-53页 |
| ·修剪ELM | 第53-55页 |
| ·实验结果与分析 | 第55-57页 |
| ·实验1：非线性动态系统辨识 | 第55-56页 |
| ·实验2：一个函数 | 第56页 |
| ·实验3：时间序列预测 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 5 基于规则影响的自适应增量学习模糊神经网络 | 第58-67页 |
| ·引言 | 第58-59页 |
| ·SAIL-FNN网络结构 | 第59-61页 |
| ·SAIL-FNN算法 | 第61-65页 |
| ·模糊规则影响 | 第61-62页 |
| ·SAIL-FNN算法 | 第62-65页 |
| ·实验结果与分析 | 第65-66页 |
| ·Hermite函数逼近 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 6 基于增量模糊神经网络和小波的人脸识别 | 第67-74页 |
| ·引言 | 第67页 |
| ·二维Harr小波变换 | 第67-69页 |
| ·小波变换 | 第67-68页 |
| ·使用小波变换做图像预处理 | 第68-69页 |
| ·Fisher线性判别分析(FLD) | 第69-70页 |
| ·增量模糊神经网络分类器设计和图像识别 | 第70-71页 |
| ·增量模糊神经网络分类器设计 | 第70-71页 |
| ·图像识别过程描述 | 第71页 |
| ·测试结果分析及结论 | 第71-74页 |
| ·实验结果分析 | 第71-73页 |
| ·结论 | 第73-74页 |
| 7 结束语 | 第74-78页 |
| ·工作总结 | 第74-76页 |
| ·工作展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-90页 |
| 附录 | 第90页 |