学位论文 > 优秀研究生学位论文题录展示
基于数据驱动的模糊系统建模方法研究
作 者: 马铭
导 师: 周春光
学 校: 吉林大学
专 业: 计算机应用技术
关键词: 模糊系统 模糊神经网络 遗传算法 递阶遗传算法 微粒群优化 多目标进化算法 精确性和解释性
分类号: TP391.9
类 型: 博士论文
年 份: 2006年
下 载: 853次
引 用: 1次
阅 读: 论文下载
内容摘要
基于数据驱动的模糊系统建模在很多领域都得到了广泛应用,但一直以来人们更关注于系统性能的优化,很少关注模糊系统的解释性。近年来人们逐渐认识到对模糊系统解释性的研究可以帮助人们更好的认识模糊系统的本质,从而达到从大量数据中提取知识的目的。然而提高模糊系统的解释性和提高模糊系统的性能是两个有冲突的目标,在模糊系统建模中,这两方面在一定程度上是矛盾的,要提高系统的解释性而不失去性能很困难,因此精确性与解释性的平衡和折中研究已成为目前基于数据驱动的模糊系统建模研究中最吸引人的研究方向。本文在模糊集合理论与人工神经网络和进化计算以及群体智能相融合的基础上,围绕模糊系统的精确性与解释性的折中,进行基于数据驱动的模糊系统建模研究。通过对模糊系统建模方法的比较及其解释性分析,给出了一个模糊系统的解释性评价标准。在模糊系统建模过程中充分考虑了模糊系统精确性和解释性的折中,使建立的模糊系统模型达到了精确性和解释性的平衡,对基于数据驱动的模糊系统的建模和优化给出了一个系统的解决方案。论文的主要研究内容包括:(1)模糊系统的基本理论、遗传算法、微粒群优化以及多目标进化算法的相关内容。(2)模糊系统的解释性评价标准研究。(3)基于遗传算法的模糊系统建模方法研究。(4)基于递阶遗传算法的模糊系统建模方法研究。(5)基于微粒群算法的模糊系统建模方法研究。(6)基于多目标微粒群算法的模糊系统建模方法研究。
|
全文目录
第一章 绪论 8-13 1.1 研究背景 8-11 1.1.1 模糊系统简介 8-10 1.1.2 模糊系统建模 10-11 1.2 本文工作 11-13 1.2.1 研究路线和方法 11 1.2.2 本文研究内容 11-13 第二章 模糊系统及其解释性分析 13-29 2.1 引言 13 2.2 模糊理论 13-19 2.3 常用模糊推理系统 19-21 2.4 模糊系统建模方法比较分析 21-23 2.4.1 模糊系统结构辩识方法 21-22 2.4.2 模糊系统参数学习方法 22-23 2.5 模糊系统的解释性 23-28 2.5.1 模糊空间划分的解释性评价标准 24-27 2.5.2 模糊规则的解释性评价标准 27-28 2.6 小结 28-29 第三章 基于遗传算法的初始模糊系统建模 29-48 3.1 引言 29 3.2 遗传算法 29-33 3.2.1 遗传算法的实现技术 29-31 3.2.2 遗传算法的理论基础 31-33 3.3 基于遗传算法的模糊系统建模 33-47 3.3.1. 模糊空间划分 33-37 3.3.2 规则库的生成策略 37-39 3.3.3 初始模糊系统模型 39 3.3.4 适应度函数设计 39-40 3.3.5 遗传算子设计 40-41 3.3.6 算法步骤 41-42 3.3.7 仿真实验 42-47 3.4 小结 47-48 第四章 基于递阶遗传算法的模糊系统建模 48-61 4.1 引言 48 4.2 递阶遗传算法 48-49 4.3 HGA-FNN 优化算法 49-59 4.3.1 染色体编码设计 50-51 4.3.2 适应度函数设计 51-52 4.3.3 遗传算子设计 52 4.3.4 算法步骤 52-53 4.3.5 仿真实验 53-59 4.4 小结 59-61 第五章 基于微粒群算法的模糊系统建模 61-82 5.1 引言 61 5.2 微粒群优化算法 61-68 5.2.1 标准微粒群算法 62-63 5.2.2 微粒群算法参数分析 63-65 5.2.3 微粒群算法的行为分析 65-68 5.2.4 和其它进化计算方法的比较 68 5.3 一种有分工策略的微粒群算法 68-73 5.3.1 算法描述 69-71 5.3.2 仿真实验 71-73 5.4 基于微粒群算法的模糊系统优化算法 73-81 5.4.1 算法描述 73-75 5.4.2 算法流程 75 5.4.3 仿真实验 75-81 5.5 小结 81-82 第六章 基于多目标微粒群算法的模糊系统优化 82-98 6.1 引言 82 6.2 多目标优化问题 82-83 6.3 多目标进化方法 83-86 6.3.1 不基于 Pareto 排序的多目标进化算法 83-84 6.3.2 基于 Pareto 排序的多目标进化算法 84-86 6.4 模糊系统优化的多目标微粒群算法 86-92 6.4.1 优化目标函数的确定 86-89 6.4.2 启发性分量加权均值法 89-92 6.4.3 算法流程 92 6.5 味觉信号识别的仿真实验 92-97 6.5.1 味觉传感器 92-94 6.5.2 茶味觉信号识别 94-97 6.6 小结 97-98 第七章 总结与展望 98-102 7.1 本文提出的几种方法比较 98-99 7.2 本文的主要贡献 99-100 7.2 进一步研究的方向 100-102 参考文献 102-114 作者读博士期间发表的论文 114-116 致谢 116-117 学位论文摘要(中文) 117-120 Abstract 120-123
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于遗传算法的淠史杭灌区渠系配水优化编组模型的研究,S274
- 遗传算法在物流仓储优化中的应用研究,F259.2
- 基于遗传算法的矿山资源优化调度模型的研究,O224
- 磁流变阻尼器的力学特性及其在火炮反后坐中的应用研究,TB535.1
- 模糊预测函数控制改进算法的研究及应用,TP273
- 基于模拟的注塑模浇注系统及成型工艺参数优化研究,TQ320.662
- 信息融合技术在嵌入式驾驶疲劳检测中的应用研究,TP368.12
- 基于博弈理论的货运列车编组调度模型与算法研究,O225
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 计算机仿真
© 2012 www.xueweilunwen.com
|