模糊分类算法及其在锻模设计准则挖掘中的应用研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 模糊优化研究进展及现状 | 第11-12页 |
| 1.2 遗传算法研究进展及现状 | 第12-14页 |
| 1.3 模糊分类算法研究进展及现状 | 第14-15页 |
| 1.4 论文的研究工作及组织结构 | 第15-17页 |
| 1.4.1 论文的研究内容 | 第15页 |
| 1.4.2 论文的组织结构 | 第15-17页 |
| 第2章 模糊分类规则表达 | 第17-30页 |
| 2.1 分类算法研究进展 | 第17-27页 |
| 2.1.1 回归分类 | 第17-18页 |
| 2.1.2 神经网络分类 | 第18-20页 |
| 2.1.3 模糊神经网络分类 | 第20-24页 |
| 2.1.4 遗传神经网络分类 | 第24-27页 |
| 2.2 模糊分类基本问题 | 第27-29页 |
| 2.2.1 从清晰分类到模糊分类 | 第27-28页 |
| 2.2.2 三种模糊分类规则表达 | 第28-29页 |
| 2.3 小结 | 第29-30页 |
| 第3章 模糊分类算法优化模型 | 第30-42页 |
| 3.1 模糊优化基本概念 | 第30-34页 |
| 3.1.1 模糊优化基本术语及性质 | 第30-33页 |
| 3.1.2 模糊优化相关概念 | 第33-34页 |
| 3.2 传统模糊优化问题 | 第34-36页 |
| 3.2.1 模糊建模与模糊优化 | 第34-35页 |
| 3.2.2 模糊优化模型的演化 | 第35-36页 |
| 3.3 模糊分类算法中的模糊优化模型 | 第36-41页 |
| 3.3.1 基于回归方程的模糊优化模型 | 第36-38页 |
| 3.3.2 基于神经网络的模糊优化模型 | 第38-41页 |
| 3.4 小结 | 第41-42页 |
| 第4章 模糊优化问题求解中的改进遗传算法 | 第42-51页 |
| 4.1 简单遗传算法 | 第42-45页 |
| 4.1.1 基本思想 | 第42-43页 |
| 4.1.2 基本步骤 | 第43-45页 |
| 4.2 改进遗传算法 | 第45-50页 |
| 4.2.1 改进策略 | 第45-46页 |
| 4.2.2 遗传参数适应性调整 | 第46-48页 |
| 4.2.3 沿加权梯度方向的变异 | 第48-50页 |
| 4.3 小结 | 第50-51页 |
| 第5章 模糊分类算法实现及其应用 | 第51-74页 |
| 5.1 基于回归方程的模糊分类算法 | 第51-55页 |
| 5.1.1 问题描述 | 第51-52页 |
| 5.1.2 回归方程中的参数估计 | 第52-54页 |
| 5.1.3 模糊分类算法设计 | 第54-55页 |
| 5.2 基于回归方程的模糊分类算法应用 | 第55-62页 |
| 5.2.1 飞边尺寸设计准则建立的依据 | 第55页 |
| 5.2.2 飞边尺寸设计准则的结构 | 第55页 |
| 5.2.3 应用实例 | 第55-61页 |
| 5.2.4 基于回归方程的模糊分类算法分析比较 | 第61-62页 |
| 5.3 基于神经网络的模糊分类算法 | 第62-67页 |
| 5.3.1 问题描述 | 第62-64页 |
| 5.3.2 神经网络中的权值估计 | 第64-66页 |
| 5.3.3 模糊分类算法设计 | 第66-67页 |
| 5.4 基于神经网络的模糊分类算法应用 | 第67-73页 |
| 5.4.1 飞边金属消耗设计准则建立的依据 | 第67-68页 |
| 5.4.2 飞边金属消耗设计准则各变量之间的关系 | 第68页 |
| 5.4.3 应用实例 | 第68-71页 |
| 5.4.4 基于神经网络的模糊分类算法分析比较 | 第71-73页 |
| 5.5 小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80页 |
