基于模糊推理系統(tǒng)的工業(yè)過(guò)程數(shù)據(jù)挖掘

前言
第1章 緒論
1.1 數(shù)據(jù)挖掘發(fā)展概況
1.2 數(shù)據(jù)挖掘功能描述
1.3 模糊數(shù)據(jù)挖掘方法
1.4 模糊推理系統(tǒng)及其逼近理論
1.5 模糊數(shù)據(jù)挖掘技術(shù)在工業(yè)過(guò)程中的應(yīng)用
1.6 本書(shū)的主要研究?jī)?nèi)容
1.7 本書(shū)的邏輯結(jié)構(gòu)框圖
第2章 模糊推理系統(tǒng)基礎(chǔ)
2.1 引言
2.2 模糊集合
2.3 模糊集合的運(yùn)算
2.4 語(yǔ)言變量
2.5 模糊規(guī)則
2.6 小結(jié)
第3章 改進(jìn)的基于梯度的實(shí)時(shí)學(xué)習(xí)算法
3.1 引言
3.2 基于梯度下降法的模糊推理系統(tǒng)參數(shù)優(yōu)化
3.2.1 冗余模糊規(guī)則修剪
3.2.2 模糊推理系統(tǒng)參數(shù)優(yōu)化
3.2.3 最優(yōu)輸出模糊子集和置信度度量的確定
3.3 改進(jìn)的G-RTL概述
3.4 G-RTL的收斂性和穩(wěn)定性分析
3.5 仿真結(jié)果和分析
3.6 小結(jié)
第4章 基于歸一化方差信息的自適應(yīng)模糊規(guī)則挖掘方法
4.1 引言
4.2 簡(jiǎn)化的Mamdani模糊推理系統(tǒng)
4.3 基于Mamdani模糊推理系統(tǒng)的函數(shù)逼近
4.4 NV-AMFR概述
4.4.1 基于G-RTL的模糊推理系統(tǒng)參數(shù)優(yōu)化
4.4.2 確定合適的隸屬函數(shù)配置及評(píng)價(jià)輸入變量的重要性
4.5 仿真結(jié)果和分析
4.6 小結(jié)
第5章 空缺模糊規(guī)則推理及其在混沌時(shí)間序列預(yù)測(cè)中的應(yīng)用
5.1 引言
5.2 模糊預(yù)測(cè)器模型
5.3 基于G-RTL設(shè)計(jì)模糊預(yù)測(cè)器模型
5.4 完備模糊規(guī)則集與模糊預(yù)測(cè)器模型的可預(yù)測(cè)性
5.5 空缺模糊規(guī)則的最鄰近擴(kuò)散推理方法
5.6 仿真結(jié)果和分析
5.7 小結(jié)
第6章 基于模糊數(shù)據(jù)挖掘技術(shù)的批過(guò)程建模與最優(yōu)模糊控制
6.1 引言
6.2 單輸入多輸出模糊T-S預(yù)測(cè)模型的結(jié)構(gòu)選擇
6.3 基于G-RTL設(shè)計(jì)模糊T-S預(yù)測(cè)模型的參數(shù)
6.4 最優(yōu)模糊控制
6.4.1 非線性系統(tǒng)最優(yōu)控制問(wèn)題的等價(jià)變換
6.4.2 Pontryagin最小值原理
6.5 批過(guò)程建模與最優(yōu)模糊控制仿真結(jié)果
6.5.1 半連續(xù)式反應(yīng)器的建模仿真
6.5.2 半連續(xù)式反應(yīng)器的最優(yōu)模糊控制仿真
6.6 小結(jié)
參考文獻(xiàn)