基于聚类算法的T-S模糊神经网络模型研究及应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·模糊神经网络概述 | 第7-8页 |
| ·聚类算法概述 | 第8-10页 |
| ·本课题的主要研究内容 | 第10-11页 |
| ·本文组织结构 | 第11-12页 |
| 2 模糊神经网络研究现状 | 第12-24页 |
| ·狭义模糊神经网络 | 第13-15页 |
| ·模糊神经元 | 第13页 |
| ·模糊化神经网络 | 第13-15页 |
| ·采用模糊学习的神经网络 | 第15页 |
| ·神经模糊混合系统 | 第15-16页 |
| ·神经模糊系统 | 第16-20页 |
| ·函数实现形式的神经模糊系统 | 第17-18页 |
| ·功能实现形式的神经模糊系统 | 第18-20页 |
| ·T_S模糊模型及T_S模糊神经网络结构 | 第20-23页 |
| ·T_S模糊模型 | 第20-21页 |
| ·基于T_S模型的模糊神经网络 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 聚类方法研究及改进 | 第24-36页 |
| ·聚类分析 | 第24-25页 |
| ·聚类方法的分类及相似度表示方法 | 第25-26页 |
| ·聚类方法的分类 | 第25页 |
| ·聚类方法中常用的相似度表示—距离 | 第25-26页 |
| ·几种常见的聚类方法 | 第26-33页 |
| ·K_means聚类 | 第26-28页 |
| ·模糊C_means聚类 | 第28-29页 |
| ·山峰聚类法 | 第29-30页 |
| ·减法聚类 | 第30-31页 |
| ·可能C均值聚类算法(PCM) | 第31-33页 |
| ·基于核的可能性聚类算法及描述 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 4 基于聚类的T_S模糊神经网络研究 | 第36-51页 |
| ·结构学习 | 第36-37页 |
| ·系统规则设计 | 第37-38页 |
| ·模糊化与反模糊化 | 第38-40页 |
| ·参数学习 | 第40-48页 |
| ·传统遗传算法 | 第40-42页 |
| ·遗传算法存在的问题和发展趋势 | 第42-44页 |
| ·改进的自适应遗传算法 | 第44-47页 |
| ·算法描述 | 第47-48页 |
| ·单纯形算法的原理及应用 | 第48-50页 |
| ·单纯形算法基本步骤 | 第48-49页 |
| ·混合算法 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 仿真应用 | 第51-58页 |
| ·改进的聚类算法仿真实例 | 第51-53页 |
| ·改进的遗传算法仿真实例 | 第53-54页 |
| ·混合算法仿真实例 | 第54-56页 |
| ·结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 作者在攻读硕士学位期间发表的论文目录、科研情况 | 第66-67页 |
| 致谢 | 第67-68页 |
