| 摘要 | 第1-8页 |
| Abstract | 第8-14页 |
| 第一章 绪论 | 第14-25页 |
| ·模糊系统辨识概述 | 第14-15页 |
| ·研究现状分析 | 第15-19页 |
| ·模糊系统辨识的研究现状分析 | 第15-18页 |
| ·机车粘着特性的研究现状分析 | 第18-19页 |
| ·模糊系统辨识的基本问题 | 第19-23页 |
| ·结构辨识 | 第21-22页 |
| ·参数辨识 | 第22-23页 |
| ·本论文研究的主要内容 | 第23-25页 |
| 第二章 基础知识和基本概念 | 第25-46页 |
| ·类型1模糊逻辑系统 | 第25-28页 |
| ·模糊数学原理 | 第25-27页 |
| ·典型的类型1模糊模型 | 第27-28页 |
| ·类型2模糊逻辑系统 | 第28-34页 |
| ·模糊数学原理 | 第28-32页 |
| ·典型的类型2模糊模型 | 第32-34页 |
| ·模糊聚类 | 第34-38页 |
| ·基于目标函数的模糊聚类 | 第34-38页 |
| ·交替类估计方法 | 第38页 |
| ·向量量化 | 第38-42页 |
| ·学习向量量化 | 第39-41页 |
| ·模糊学习向量量化 | 第41-42页 |
| ·支持向量机 | 第42-46页 |
| ·支持向量回归 | 第42-44页 |
| ·简约集合方法 | 第44-46页 |
| 第三章 类型1模糊模型辨识—可解释性问题 | 第46-61页 |
| ·模糊划分矩阵的可解释性 | 第46-51页 |
| ·FCM算法中模糊划分矩阵的可解释性问题 | 第46-50页 |
| ·解决方案 | 第50-51页 |
| ·改进的模糊学习向量量化 | 第51-54页 |
| ·算法描述 | 第51-53页 |
| ·讨论 | 第53-54页 |
| ·基于M-FLVQ的类型1模糊模型辨识 | 第54-59页 |
| ·类型1模糊基函数模型的构建 | 第54-56页 |
| ·仿真分析 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 第四章 类型1模糊模型辨识—推广性问题 | 第61-86页 |
| ·基于支持向量的学习机制 | 第61-64页 |
| ·模糊模型的建立 | 第61-62页 |
| ·存在的问题 | 第62-64页 |
| ·简约集向量的策略 | 第64-72页 |
| ·可解释的核函数 | 第66-69页 |
| ·基于简约集向量的TS模型 | 第69-71页 |
| ·逼近界 | 第71-72页 |
| ·学习规则 | 第72-76页 |
| ·不敏感学习 | 第73-74页 |
| ·面向经验的混合学习 | 第74-76页 |
| ·仿真分析 | 第76-85页 |
| ·一维sinc函数 | 第76-78页 |
| ·Mackey-Glass混沌时间序列的预测 | 第78-80页 |
| ·二维sinc函数 | 第80-82页 |
| ·球棍系统模型的模糊控制 | 第82-85页 |
| ·本章小结 | 第85-86页 |
| 第五章 类型2模糊模型辨识 | 第86-106页 |
| ·问题分析 | 第86-88页 |
| ·问题的提出 | 第86-87页 |
| ·区间类型2模糊C均值聚类 | 第87-88页 |
| ·基于类型2模糊集合的鲁棒模糊聚类 | 第88-98页 |
| ·鲁棒模糊聚类算法中的权重 | 第88-89页 |
| ·鲁棒区间类型2可能性C均值聚类 | 第89-93页 |
| ·原型更新方程的鲁棒特性 | 第93-96页 |
| ·仿真分析 | 第96-98页 |
| ·区间类型2模糊模型辨识的快速原型方法 | 第98-105页 |
| ·快速原型方法 | 第98-101页 |
| ·参数优化方法 | 第101-102页 |
| ·非线性函数的一次逼近 | 第102-103页 |
| ·含有噪声的Mackey-Glass混沌时间序列预测 | 第103-105页 |
| ·本章小结 | 第105-106页 |
| 第六章 机车粘着曲线的模糊建模 | 第106-116页 |
| ·机车牵引模型及粘着系数估计 | 第106-111页 |
| ·机车牵引模型 | 第106-109页 |
| ·粘着系数估计 | 第109-110页 |
| ·仿真分析 | 第110-111页 |
| ·粘着曲线的模糊模型 | 第111-115页 |
| ·本章小结 | 第115-116页 |
| 第七章 结论与展望 | 第116-118页 |
| 致谢 | 第118-119页 |
| 参考文献 | 第119-128页 |
| 攻读博士学位期间发表的论文 | 第128-129页 |