基于模糊推理系統(tǒng)的工業(yè)過程數(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)過程中的應(yīng)用
1.6 本書的主要研究內(nèi)容
1.7 本書的邏輯結(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)的基于梯度的實時學(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)配置及評價輸入變量的重要性
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間序列預(yù)測中的應(yīng)用
5.1 引言
5.2 模糊預(yù)測器模型
5.3 基于G-RTL設(shè)計模糊預(yù)測器模型
5.4 完備模糊規(guī)則集與模糊預(yù)測器模型的可預(yù)測性
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)測模型的結(jié)構(gòu)選擇
6.3 基于G-RTL設(shè)計模糊T-S預(yù)測模型的參數(shù)
6.4 最優(yōu)模糊控制
6.4.1 非線性系統(tǒng)最優(yōu)控制問題的等價變換
6.4.2 Pontryagin最小值原理
6.5 批過程建模與最優(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)