一、基于模糊集相容性的模糊控制规则优化方法(论文文献综述)
陈芳[1](2020)在《基于模糊算子的智能信息处理模型研究》文中认为人工智能是当前信息科学的热门研究领域。新一代人工智能发展规划将人工智能技术提升到国家战略高度。新一代人工智能的核心是不确定性信息处理。智能信息处理面对的主要是不确定性信息处理。智能信息处理模型研究是新一代人工智能、智能信息处理研究的关键。模糊推理、模糊神经网络是重要的智能信息处理模型。本文以模糊逻辑中模糊算子为基础,围绕基于规则的模糊推理及鲁棒性、模糊推理误差、模糊联想记忆及容错性、模糊算子在图像融合中的应用等方面开展了系统研究,主要工作成果和创新点如下:(1)研究模糊算子的Lipschitz聚合性质,找出满足Lipschitz条件的三角模算子和蕴涵算子,对1-Lipschitz三角模算子和蕴涵算子,研究其1-k∞-Lipschitz、copula和quasi-copula等性质,找出具有1-k∞-Lipschitz、copula和quasi-copula等性质特征的三角模算子和蕴涵算子。(2)针对基于规则的模糊推理扰动性问题,提出通过模糊算子的选择保证模糊推理有好的鲁棒性方法。根据三角模算子和蕴涵算子的1-Lipschitz、1-k∞-Lipschitz、copula和quasi-copula的性质特征,研究不同类型的Lipschitz三角模算子和蕴涵算子对模糊推理输出结果的影响,研究不同扰动情况下,不同类型的Lipschitz三角模算子和蕴涵算子对模糊推理的鲁棒性影响。当三角模算子和蕴涵算子既是1-k∞-Lipschitz又是quasi-copula时,模糊推理有好的鲁棒性,并进行了实验验证。(3)针对基于规则的模糊推理误差问题,提出一种因模糊算子选择导致的模糊推理输出误差的控制方法。根据三角模算子和蕴涵算子的1-Lipschitz、1-k∞-Lipschitz、copula和quasi-copula的性质特征,研究不同类型的Lipschitz三角模算子和蕴涵算子对模糊推理输出误差的影响,研究不同扰动情况下,不同类型的Lipschitz三角模算子和蕴涵算子对模糊推理的输出误差影响。当三角模算子和蕴涵算子既是1-k∞-Lipschitz又是quasi-copulas时,因模糊算子选择导致的模糊推理误差能够得到有效控制,并进行了实验验证。(4)针对蕴涵模糊联想记忆模型的噪声容错问题,提出了quasi-copula模糊联想记忆模型。根据Lipschitz模糊算子的1-Lipschitz、1-k∞-Lipschitz、copula和quasi-copula的性质特征,在不同噪声影响的情况下,研究不同类型Lipschitz三角模算子和蕴涵算子对模糊联想记忆的输出结果影响。当模糊联想记忆中三角模算子和蕴涵算子既是quasi-copulas又是1-k∞-Lipschitz时,模糊联想记忆有好的容错抗噪能力,并进行实验验证。(5)提出了Lipschitz模糊算子实现图像融合的新方法。该方法简单高效,易于硬件实现。实验表明,融合后的图像视觉效果好,细节信息明显,目标清晰。本文的实验部分既是对所提理论的验证,也是理论成果在智能信息处理中的实际应用,如人脸识别,图像处理,人脸联想等。
汪静[2](2020)在《混合评价信息下第四方物流供应商的选择决策研究》文中研究指明第四方物流通过资源整合、技术集成,为客户企业提供整个供应链优化方案,使得第四方物流具有巨大的发展潜力。同时在市场竞争的加剧下,整个行业的供应链需要不断优化,这迫使企业需要不断加强供应链的管理,以及对供应链集成商即第四方物流供应商的选择优化。企业只有选择合适的第四方物流供应商进行合作,才能避免企业的物流业务受到影响,经营管理出现问题,从而造成巨大的损失。所以,站在全局的角度上,科学地评价与选择满足自身需求的第四方物流供应商是企业重要的战略决策问题,也是研究的热点和难点。本文在构建第四方物流供应商评价指标体系的基础上,提出了一种混合评价信息下基于决策专家组合赋权的第四方物流供应商选择评价方法。首先,根据国内外物流供应商评价指标的研究成果并结合物流行业的发展特点选出了若干评价指标,并由期刊文献的等级分类、期刊影响因子和文献年均引用量等因素对评价指标的综合重要性进行度量,从而构建了市场竞争力、核心业务能力、信息技术能力、管理组织能力、创新应变能力、与企业相容性六个方面的第四方物流综合评价指标体系。然后,在此基础上,针对于第四方物流供应商评价中存在信息繁杂、性质不一,以及决策者存在专业知识不一致等问题,采用决策专家对定性指标进行主观语言评价,并将其转化为直觉梯形模糊数,根据其相似度定义决策者间的相互支持度,从而客观量化决策专家对评价指标的可信度,并结合决策专家对评价指标的主观自信度进行专家的组合赋权,再根据评价信息的作用度确定指标权重,最后在精确数、模糊数混合评价信息下基于TOPSIS和灰色关联分析法进行第四方物流供应商选择决策。并通过算例表明该决策模型的易操作性和有效性,以及对决策专家的组合权重进行敏感性分析,分析结果也表明该方法具有较好的稳定性。
吕金辉[3](2019)在《基于因素空间的不确定性群决策研究》文中研究说明群决策是决策分析中的重点问题,也是难点问题,广泛存在于社会活动的各个领域。随着社会的发展,现代科技的进步,尤其是信息科学技术日新月异,使得决策环境日趋复杂。主要表现为决策系统的不确定性增强,这种不确定性主要来源于:第一,由于人类认知的局限性,一些复杂问题的准确决策信息难以获取;第二,有些决策问题,决策信息需要专家依靠主观判断信息来定性描述,例如语言值、区间数、模糊数等,由于这种判断信息的主观性、片面性和犹豫性,必然导致决策系统的不确定性;第三,专家之间意见的不一致性所导致的决策不确定性。面对不确定决策信息,传统的具有严格条件假设的决策模型和经验判断函数已经不能满足复杂数据的决策需求。决策者希望通过更加有效的技术手段处理决策数据以获取有效的决策信息,为复杂决策问题提供决策支持。因素空间通过建立信息描述的普适性坐标架实现确定性与不确定性的相互转化,是模拟人类认知过程的自然范式。本文将不确定决策信息表达与决策分析方法引入因素空间,重点研究了如何利用因素空间理论与思想完成群决策环境下决策要素的获取与决策目标的实现。具体来说,本文的主要工作如下:(1)从一个全新角度对群决策中专家权重确定问题进行分析研究。根据专家的判断信息对专家进行聚类分析,并根据Akaike信息准则获得专家恰当分类;提出划分的相容一致性测度概念和公式,并依此设计算法以获取与专家分类相容一致性测度最大的专家背景因素集-约简背景因素集;将约简背景因素下的状态属性进行决策效用转化,根据专家背景构造效用矩阵并利用最大特征根法获得专家权重向量。然后,以专家权重信息为依据,提出基于数据信度的变权方法,并构造了基于数据信度的状态变权向量,解决了传统变权需要主观确定均衡力的问题;最后,给出基于数据信度的变权综合群决策方法。(2)在因素空间下,从“概念”的角度分析直觉模糊决策信息与区间数决策信息产生过程,虽然二者在数学结构上具有等价性,但是从决策分析过程来看,二者有着本质性差异。基于此,本文在因素空间下,提出概念的两种不确定表达形式——直觉模糊集表达与区间集表达,同时给出了反馈外延的构造方法。受反馈外延在各因素上信息集结过程的启发,针对专家提供的决策信息构造两类群决策方法——基于反馈外延双层包络的DFE群决策方法和基于反馈外延的区间集决策方法。最后,通过实例验证方法的有效性和合理性。(3)为了更充分利用数据信息,以犹豫模糊集作为概念反馈外延,进而定义了概念外延的双层包络;研究发现,外延的双层包络为犹豫模糊集的一类新的拓展形式-犹豫区间模糊集,本文定义其运算法则,并研究其运算性质和排序问题;同时,指出目前关于犹豫模糊群决策研究的两个关键问题和各自的不足之处,针对不足作了相应的改善工作:i)提出了犹豫模糊熵测度函数、犹豫模糊信息特征向量的概念并依此对犹豫模糊信息的各种测度进行了深入研究;ii)针对专家提供的序数决策信息,对群一致性测度进行了研究;iii)提出了犹豫模糊信息缺失值的填补方法。最后,针对决策因素权重信息是否已知,提出两种具体的群决策方法并通过应用实例说明所提出方法的有效性和可行性。(4)针对群决策环境下多因素分类问题的复杂性和分类结果的不一致性,提出了基于背景基的分类方法:首先通过定义案例信息的偏好熵,建立整数规划模型从各决策者提供的案例信息中选取平均偏好熵最小且满足偏好一致性的案例集作为最优案例集;然后将最优案例集看作训练样本并提取各类的背景基;通过判定待分类方案与各类背景基的凸闭包的关系确定其类别属性。最后,通过一个MBA项目分类的实例说明了方法的可行性和合理性。该论文有图7幅,表24个,参考文献236篇。
金飞飞[4](2018)在《基于直觉模糊语言信息的群决策支持模型与方法研究》文中进行了进一步梳理作为群决策决策理论和模糊信息理论的重要研究课题之一,模糊群决策理论在应急风险管理和投资、供应链管理、决策分析以及军事装备等领域得到了广泛的应用。随着社会经济的快速发展,使得人类所处的环境复杂性不断增加,再加上群决策问题固有的不确定性和人类思维的局限性,促进了人类对模糊群决策理论与方法的研究不断深入,从而逐渐丰富和完善了模糊群决策理论和方法体系。其中,作为一种新型的决策信息分析模型,直觉模糊语言偏好关系不仅很好的继承了直觉模糊偏好关系的特征优势,还巧妙的运用语言偏好关系的自然信息表达策略,从而使其在实际群决策问题中得到了更好的应用。同时,现有的基于直觉模糊偏好关系和语言偏好关系的群决策.方法存在一些不足和缺陷,导致了最终群决策结果的合理性有待商榷。因此,本文在直觉模糊偏好关系、语言偏好关系以及直觉模糊语言偏好关系环境下分别建立新型群决策模型与方法,并运用算例对建立的群决策模型进行合理性与有效性验证。本文的主要工作的创新点概括如下:1、提出基于直觉模糊偏好关系一致性的群决策模型。在定义直觉模糊偏好关系的有序一致性和弱传递性等概念之后,研究标准的直觉模糊排序权重向量与具有乘性一致性的直觉模糊偏好关系之间的转化关系,并设计了一种方法用于构造出具有完全乘性一致的直觉模糊偏好关系。针对单个直觉模糊偏好关系和群体直觉模糊偏好关系,以原始直觉模糊偏好关系和其对应的乘性一致直觉模糊偏好关系之间的偏差最小化为目标函数,构造两个线性最优化模型,并提出两种决策算法分别用于计算单个和群体直觉模糊偏好关系对应的排序权重向量。2、建立基于语言偏好关系加性一致性和乘性一致性的群决策模型。首先引入一种新的语言偏好关系定义,并提出语言偏好关系的有序一致性、加性一致性以及乘性一致性等概念,分析加性一致语言偏好关系的一些特征性质,探究发现加性一致和乘性一致语言偏好关系与方案排序权重向量之间的内在联系。针对不具有可接受一致性的语言偏好关系,建立基于自迭代算法和基于最优化方法的两种收敛语言决策模型,这两种模型可以提高语言偏好关系的一致性水平,确保改进后的语言偏好关系的一致性程度达到预先设定的阈值,进而运用调整后的语言偏好关系进行群决策获得更为合理有效的决策结果。3、设计基于直觉模糊语言偏好关系的群决策模型,该模型能够保证所有直觉模糊语言偏好关系达到相容性测度阈值时都具有可接受乘性一致性。首先,给出直觉模糊语言偏好关系的乘性一致性、弱传递性、一致性指数、个体相容性测度以及群体相容性测度等概念,分别研究个体直觉模糊语言偏好关系和综合直觉模糊语言偏好关系的一些优良性质。其次,对于个体直觉模糊语言偏好关系,提出一种乘性一致直觉模糊语言偏好关系的构造方法,建立一种收敛的一致性改进算法对不具有可接受乘性一致性的直觉模糊语言偏好关系进行调整和改进。然后,构建一种收敛的相容性提升算法来提高群体直觉模糊语言偏好关系相容性水平。最后,设计一种基于直觉模糊语言偏好关系的群决策模型,并通过雾霾天气影响因素的重要性评价实例进行可行性和有效性分析。
张子健[5](2016)在《基于计算方法的产品设计方案生成与评价研究》文中研究说明为了实现产品概念设计过程的自动化,客观化和高效化,本研究提出了基于计算方法的产品设计方案生成和评价方法,对顾客需求偏好的量化与识别、基于多元准则的产品设计方案生成、面向产品性能的评价指标权重分配以及数据驱动的产品设计方案性能评价进行了深入研究。最后将以上方法和技术应用到吹塑机的设计方案生成和评价中,进行了有效地验证。全文的主要内容如下:第一章提出了本课题研究的背景及意义,主要综述了产品设计方案生成和评价的研究现状,基于该研究领域的现状,给出了所要研究的问题,最后介绍了本文的研究内容和组织框架。第二章提出了改进的连续模糊Kano模型。针对产品设计方案生成前期,模糊的顾客需求不能较好的量化分析,导致理解需求出现偏差,影响设计方案质量的问题。通过模糊Kano模型提取顾客需求类型,利用改进的需求分类表定量化处理顾客需求。根据处理结果,利用信息熵计算各需求的权重大小。上述方法在吹塑机的顾客需求偏好识别和量化中的应用,验证了其可行性和有效性。第三章提出了基于多元准则的设计方案生成方法。针对顾客需求与质量特性转换过程中的多重耦合性问题和产品设计方案生成过程中的组合爆炸问题。首先采用证据推理理论实现了顾客需求向质量特性的映射,获取了各质量特性的重要度;然后以质量特性和结构相容性为优化目标,建立产品设计方案生成的多目标优化模型,利用改进的非支配排序遗传算法(NSGA-II)对该模型进行求解,得到产品方案的非支配解,即候选设计方案集。以吹塑机的设计方案生成为例,验证了以上方法的可行性和有效性。第四章提出了基于粗数的决策试验与评价实验分析(Decision Making Trial and Evaluation Laboratory,DEMATEL)方法。针对性能指标权重确定过程中,指标间关联关系的决策信息具有不确定性和模糊性的问题,利用粗数对这些决策信息进行定量化处理,结合DEMATEL方法分析出指标间的关联性,最后得到性能指标的权重值。以吹塑机的性能指标为例,对该方法的有效性进行了具体说明。第五章提出了数据驱动的设计方案性能评价方法。针对产品设计方案评价过程中过于依赖专家领域知识和经验,导致获取最佳设计方案过程耗时长和主观性强的问题。根据产品的历史设计数据,利用基于粒子群优化算法(Particle Swarm Optimization,PSO)的支持向量机(Support Vector Machine,SVM)构建性能指标的预测模型。基于得到的模型,预测各候选方案在不同性能指标下的取值。根据性能指标权重和各方案的性能预测值,采用多准则妥协解排序法(Vlsekriterijumska Optimizacija I Kompromis Resenie,VIKOR)对各方案进行排序,进而得到最佳设计方案。最后利用吹塑机设计方案的优选验证了上述方法的有效性。最后一章总结了全文的研究内容并展望了今后的研究工作。
裴道武[6](2012)在《模糊推理的基本理论》文中提出模糊推理已经在多个领域得到成功的应用,同时,模糊推理的理论研究也取得较大的进展,本文针对模糊推理研究文献比较杂乱和零散的情况,系统地构建模糊推理的理论体系,从模糊推理的理论研究和一些实际应用提取出五个基本模型,简要评述模糊推理的三个重要方法,仔细讨论评判模糊推理方法优劣的五个准则,进一步明确与模糊推理有关的一些概念及相互关系,统一有关的术语与记号,综述相关的研究成果,同时给出一些新的观点和结果。
王娜[7](2009)在《基于客观聚类的模糊建模方法研究》文中提出模糊模型易于表达结构性的知识,可将专家的先验知识与过程的数据信息相结合,利用模糊规则库来精确逼近和描述建模对象中不同系统变量间的函数关系,能有效地克服机理模型难以解析复杂的非线性关系、且构建成本较高的缺点,从而使被控过程及其相关特性更加易于描述、理解和分析。在模糊建模中,模型的精确性、解释性及其相互折衷问题一直是非常活跃的研究领域。模糊辨识作为模糊建模中有效的数据驱动手段,主要分为结构辨识和参数辨识两部分。其中结构辨识是关键环节,但就整体而言,由于通常采用启发式方法和数值方法,致使目前仍缺乏系统化的指导方法,所以尚未形成完善的理论体系。因此在各种噪声和人为决策等不确定因素的影响下,应用现有模糊辨识技术处理不同折衷程度的模糊建模问题时,仍面临着严峻的挑战。为此,本文基于客观聚类的思想,并结合各种优化方法,对上述的模糊建模问题开展了相应的研究工作。主要研究内容包括以下几个方面:在传统鲁棒聚类算法中,聚类有效性的计算及其综合评判直接影响着聚类结果的分类精度。但受噪声和评判准则间缺乏公度性的影响,准确的聚类结果,即聚类个数和聚类中心难以直接确定。为此,提出了一种新型的鲁棒聚类算法——改进客观聚类分析算法。利用偶极子分级策略进行初始划分,从而降低了噪声可能导致的冗余;并在原始客观聚类分析算法的基础上,引入了相对不相似性测度,以提高算法对于形状不规则和边界模糊聚类的准确判别;此外,为了提高一致性计算的收敛性,还提出了改进的一致性准则;并且还借助于GMDH理论中最优复杂度聚类的原则,避免了外部准则约束的施加,可以直接获得准确的聚类结果。除理论分析外,还在加入白噪声情况下,借助于数值例子对改进客观聚类分析算法的鲁棒性进行了分析;并利用IRIS标准测试分类问题,在加入Markov有色噪声情况下验证了本方法的鲁棒性和良好的分类精度。在T-S模糊辨识中,前件结构及其参数的辨识精度既决定了模型对于已有训练数据的拟合精度,又直接影响了模型对于未建模数据的泛化能力,因而对模型的精确性具有至关重要的作用。然而传统聚类方法对于训练数据学习的弱鲁棒性,难以保证模型的辨识精度,并且计算量较大。为此,本文提出了一种基于客观模糊聚类的鲁棒T-S模糊辨识算法。首先将改进客观聚类分析算法引入到模糊c均值聚类算法中,形成了客观模糊聚类分析算法,以确定最优的前件模糊划分。因此既有效提高了模糊辨识算法的鲁棒性,实现了对前件结构及其参数的精确估计,又通过一次学习直接确定了前件辨识的结果,从而提高了算法的计算效率。此外,采用了稳态卡尔曼滤波方法确定后件参数,避免了最小二乘估计中存在的非数值解问题,提高了计算结果的有效性。在性能分析中,与模糊c均值聚类算法相比较,验证了客观模糊聚类分析算法的计算复杂性,并利用加白噪声的人工测试函数验证了本辨识方法的鲁棒性。最后在有无外加噪声两种情况下,采用仿真实例Box-Jenkins煤气炉系统验证了本方法的鲁棒性以及良好的逼近和泛化能力。在T-S解释性模糊建模研究中,模型的解释性与精确性之间的矛盾始终存在。而传统方法一般采用过估计手段或者基于全局划分策略来初始化模型,难以精确逼近系统的局部非线性特性,因此可能导致规则库的冗余,或者模型拟合精度和泛化能力的下降,很难实现解释性与精确性之间的良好折衷。针对这类问题,本文将客观聚类思想与遗传学习策略相结合,提出了一种基于遗传——客观聚类的解释性T-S模糊建模算法。一方面,基于客观聚类的初始模糊划分优先考虑了规则库的约简,从而降低了过估计和全局划分的强一致性对异常数据的敏感,大大减少了冗余。另一方面,在迭代学习过程中,采用了基于局部误差准则的模糊划分扩展策略,改善了局部拟合的精确性;并在此基础上,利用遗传算法从候选集中选择最优子集,从而降低了过分强调局部精度而可能引起的全局精度的损失,确定了最佳规则数。电力应用问题的仿真研究验证了本方法模型的紧凑性与精确性。针对Mamdani模糊建模研究中,Mamdani模型的解释性因素,即规则库的紧凑性、规则库的相容性和模糊划分的清晰性等特性易受传统策略过学习的影响而导致下降的问题,在客观聚类策略的基础上,引入了进化学习的机制,提出了一种基于进化——客观聚类的Mamdani模糊建模算法。首先基于改进的客观聚类分析算法,并结合模糊聚类和最小二乘优化技术,实现了对初始Mamdani模型的简明模糊辨识,不仅将客观聚类辨识的思想由T-S模型自然推广到Mamdani模型中,而且通过一次学习可以有效确保规则库的紧凑性。其次基于经典的(1+1)进化策略简单实现了对规则前、后件参数语义值的优化。在进化学习过程中,采用规则覆盖率和遗传小生境作为约束条件来联合设计适应度函数,可以有效实现对另外两种解释性因素——规则间的相容性和模糊划分中相邻子集间适度交叠性的同时兼顾。电力应用问题的仿真研究表明了本方法模型的紧凑性、清晰性和适度的精确性。
贾燕花[8](2009)在《模糊推理系统摄动研究》文中进行了进一步梳理模糊推理是模糊控制的理论基础,它已成为分析模糊控制器的重要工具。目前在模糊推理、模糊控制方面主要采用基于CRI的模糊推理算法,该算法对蕴涵算子和复合算子的选取有严格的限制条件,往往由于选取不当而造成推理系统输出误差放大。Turksen提出了一种基于相似度的近似推理算法,但目前尚未使用该算法对模糊推理系统的摄动进行研究。本文采用该算法对模糊推理系统的摄动进行了分析并给出了摄动测度方法,对控制模糊推理系统的稳定性具有重要的指导意义。本文具体进行了以下四方面的研究:(1)首先对模糊集贴近度的定义做了改进,在计算模糊集合贴近度时考虑了权重,使得新定义的模糊集贴近度更能充分评估多个模糊集的综合贴近程度。(2)利用基于模糊集贴近度的模糊推理算法对多种推理形式的规则摄动进行了详细的分析,给出了摄动度量公式。(3)利用基于模糊集贴近度的模糊推理算法对模糊推理系统的摄动进行了评估。(4)模糊推理系统规则发生摄动前后,在Matlab环境下对水箱液位模糊控制进行了仿真实现。
王继洋[9](2009)在《基于辐射能信号的锅炉燃烧控制系统研究》文中认为针对锅炉燃烧控制系统中,从燃料量到主蒸汽压力通道的非线性、大滞后特性,本文利用现有的炉膛三维温度场可视化研究成果,引入炉膛辐射能信号作为中间被调量构成串级控制系统。在控制器的选择和优化上,采用遗传算法对模糊控制器的量化因子、比例因子、以及引入积分环节的积分系数进行同步优化。对经典遗传算法进行了改进,改造了经典赌轮法,采用了自适应交叉、变异概率。应用ITAE指标最小原则和模糊控制规则相容性系数的评价理论优化了模糊控制器的规则库。将上述策略应用到燃烧控制系统中的汽压控制子系统,仿真试验结果验证了其可行性。
李跃华[10](2007)在《基于模糊神经网络的普通硅酸盐水泥与缓凝减水剂相容性问题预测》文中研究表明模糊神经网络(FNN)是近年来兴起的研究热点,是模糊推理和神经网络的有机结合,模糊推理系统本身不具备自学习能力,而人工神经网络又不能用模糊语言来表达人脑的推理功能。由于它将神经网络预结构化,对权值进行可能的解释,使神经网络易于为人们所理解,因此网络自适应性好,泛化能力强,具有较好的鲁棒性,被广泛应用于预测,智能控制,模式识别,信号消噪等领域。随着外加剂广泛应用于混凝土工艺中,外加剂已成为混凝土中的第五组分,但是水泥与外加剂的相容性问题也摆在了人们面前。影响相容性的因素很多,有水泥、外加剂,施工方法等方面的原因,本文对这些影响因素作了较为全面的总结。检测相容性的方法有水泥净浆流动度法和Marsh筒法,这些方法都是在试验的基础上对两者之间的相容性进行判断。虽然这些试验方法具有简便直接的优点,但得到的结果并不是基于相容性的影响因素上的判断和规律性的认识,只是对已有事实进行判断。本论文在总结前人研究成果的基础上,归纳出影响相容性的8个主要影响因素,用于模糊神经网络的输入,并对水泥与外加剂的相容性进行综合模糊评判,得出相容度值,用于模糊神经网络的输出。采用基于聚类的方法建立模糊神经网络,用混合学习算法进行模糊神经网络训练,从训练样本数据中找出输入参数与输出参数的非线性关系,利用这种非线性关系对外加剂与水泥的相容性进行预测,应用于施工现场。本论文采用MATLAB 7.0编程,开发了普通硅酸盐水泥与缓凝减水剂相容性预测系统,系统由训练数据输入系统和相容性预测系统组成。输入水泥的矿物组成和要预测的外加剂,系统就能给出一个0~1的相容度值,根据相容度值的大小,就能判断它们之间的相容性。检验数据表明:预测系统能够对普通硅酸盐水泥与缓凝减水剂之间的相容性作出较好的预测。由于数据收集的有限,系统只能对四种常用的外加剂进行预测。
二、基于模糊集相容性的模糊控制规则优化方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于模糊集相容性的模糊控制规则优化方法(论文提纲范文)
(1)基于模糊算子的智能信息处理模型研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 人工智能与智能系统 |
1.1.1 人工智能 |
1.1.2 智能系统 |
1.2 智能信息系统和智能信息处理 |
1.2.1 智能信息系统 |
1.2.2 智能信息处理 |
1.3 软计算与智能计算 |
1.4 模糊逻辑与模糊系统 |
1.4.1 模糊集合 |
1.4.2 模糊算子 |
1.4.3 模糊系统 |
1.5 模糊推理系统 |
1.5.1 模糊推理模型 |
1.5.2 模糊推理基本方法及性质研究 |
1.5.3 模糊推理研究动态 |
1.6 模糊神经网络系统 |
1.6.1 模糊联想记忆网络 |
1.6.2 模糊形态学联想记忆 |
1.6.3 模糊神经网络研究动态 |
1.7 图像融合 |
1.8 本文主要研究工作 |
1.9 本文内容安排 |
2 Lipschitz模糊算子 |
2.1 引言 |
2.2 基础知识及相关模糊算子 |
2.3 基于Lipschitz条件的三角模算子 |
2.4 基于Lipschitz条件的蕴涵算子 |
2.5 本章小结 |
3 基于Lipschitz模糊算子的模糊推理及鲁棒性 |
3.1 引言 |
3.2 相关知识 |
3.3 基于Lipschitz模糊算子的模糊推理 |
3.4 基于Lipschitz模糊算子的模糊推理的鲁棒性 |
3.4.1 理论分析 |
3.4.2 仿真实验 |
3.5 基于quasi-copula的模糊推理鲁棒性 |
3.5.1 理论分析 |
3.5.2 仿真实验 |
3.6 本章小结 |
4 基于Lipschitz模糊算子的模糊推理误差分析与控制 |
4.1 引言 |
4.2 相关知识 |
4.3 理论分析 |
4.4 仿真实验 |
4.5 本章小结 |
5 基于quasi-copula模糊算子的模糊联想记忆模型 |
5.1 引言 |
5.2 模糊联想记忆模型 |
5.3 Quasi-copula模糊联想记忆模型 |
5.4 Quasi-copula模糊联想记忆模型的容错性 |
5.5 仿真实验 |
5.5.1 自联想Quasi-copula模糊联想记忆 |
5.5.2 异联想Quasi-copula模糊联想记忆 |
5.6 本章小结 |
6 基于Lipschitz模糊算子的图像融合 |
6.1 引言 |
6.1.1 PCA图像融合方法 |
6.1.2 加权均值图像融合方法值 |
6.1.3 基于多尺度分析的图像融合方法 |
6.2 基于Lipschitz模糊算子的图像融合方法及实现 |
6.3 几种像素级图像融合方法分析比较和质量评价 |
6.3.1 几种像素级图像融合方法分析与比较 |
6.3.2 几种像素级图像融合质量评价 |
6.4 本章小结 |
7 结束语 |
致谢 |
参考文献 |
附录 |
(2)混合评价信息下第四方物流供应商的选择决策研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 第四方物流的研究现状 |
1.2.2 第四方物流供应商选择的研究现状 |
1.3 研究目标与主要内容 |
1.3.1 研究目标 |
1.3.2 主要内容 |
1.4 技术路线 |
第二章 相关理论概述 |
2.1 第四方物流的相关理论 |
2.1.1 第四方物流产生的原因 |
2.1.2 第四方物流的定义和特征 |
2.1.3 第四方物流的组织形式和运作模式 |
2.2 直觉梯形模糊理论 |
2.2.1 直觉梯形模糊集 |
2.2.2 直觉梯形模糊集的定义及性质 |
2.3 逼近理想解和灰色相关性分析 |
2.3.1 TOPSIS法和灰色相关性分析的基本原理 |
2.3.2 TOPSIS法和灰色相关性分析的算法步骤 |
2.4 本章小结 |
第三章 第四方物流供应商评价指标体系分析 |
3.1 第四方物流供应商选择影响因素分析 |
3.2 评价指标体系构建原则和方法 |
3.2.1 评价指标体系构建原则 |
3.2.2 评价指标体系构建方法 |
3.3 第四方物流供应商评价指标体系构建 |
3.3.1 评价指标海选 |
3.3.2 评价指标重要性度量 |
3.3.3 评价指标体系确定 |
3.3.4 评价指标体系分析 |
3.4 本章小结 |
第四章 第四方物流供应商的选择模型分析 |
4.1 问题描述 |
4.2 混合评价信息下基于TOPSIS-GRA的优选模型 |
4.2.1 专家权重 |
4.2.2 指标权重 |
4.2.3 第四方物流供应商选择模型构建 |
4.3 算例分析 |
4.3.1 算例描述 |
4.3.2 计算过程 |
4.3.3 结果分析 |
4.3.4 敏感性分析 |
4.4 本章小结 |
第五章 结论 |
参考文献 |
致谢 |
作者简介 |
(3)基于因素空间的不确定性群决策研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究目标及拟解决的关键问题 |
1.4 研究内容与技术路线 |
2 预备知识 |
2.1 多因素群决策及不确定决策信息的数学表达 |
2.2 因素空间理论基础 |
2.3 变权理论基础 |
3 基于专家权重信息的变权综合群决策研究 |
3.1 基于判断矩阵的专家聚类 |
3.2 基于聚类的专家权重确定方法 |
3.3 基于数据信度的变权原理 |
3.4 基于数据信度的状态变权向量的性质及构造 |
3.5 基于专家话语权的变权综合群决策模型 |
3.6 应用举例 |
3.7 本章小结 |
4 基于反馈外延的多因素群决策方法研究——决策信息为区间值和直觉模糊值 |
4.1 直觉模糊概念及其在因素空间内的表达 |
4.2 概念的区间集描述 |
4.3 基于反馈外延双层包络的群决策方法 |
4.4 区间数比较与排序的结构元方法 |
4.5 实例分析 |
4.6 本章小结 |
5 基于反馈外延的多因素群决策方法研究——决策信息为犹豫模糊值 |
5.1 犹豫区间模糊数及其排序研究 |
5.2 概念的犹豫模糊表达及分析 |
5.3 犹豫模糊信息测度研究 |
5.4 犹豫模糊信息缺失值的填补方法 |
5.5 群一致性测度与排序妥协解 |
5.6 犹豫模糊群决策方法 |
5.7 实例分析 |
5.8 本章小结 |
6 基于背景基的群分类决策研究 |
6.1 背景基的提取算法 |
6.2 多因素决策空间 |
6.3 实例分析 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
查新结论 |
作者简历 |
学位论文数据集 |
(4)基于直觉模糊语言信息的群决策支持模型与方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 直觉模糊偏好关系群决策研究现状 |
1.2.2 语言偏好关系群决策研究现状 |
1.2.3 直觉模糊语言偏好关系群决策模型研究现状 |
1.3 研究内容与结构安排 |
1.3.1 主要研究内容 |
1.3.2 论文结构安排 |
第二章 相关理论基础 |
2.1 模糊集和直觉模糊集 |
2.2 语言术语集和直觉模糊语言集 |
2.3 模糊偏好关系及其一致性 |
2.4 本章小结 |
第三章 基于直觉模糊偏好关系一致性的群决策模型 |
3.1 引言 |
3.2 直觉模糊偏好关系及相关概念 |
3.3 直觉模糊偏好关系的一致性 |
3.3.1 直觉模糊偏好关系的一致性方法 |
3.3.2 直觉模糊排序权重与乘性一致直觉模糊偏好关系的转化方法 |
3.4 基于个体直觉模糊偏好关系一致性的决策方法 |
3.4.1 基于最优化模型计算直觉模糊权重向量 |
3.4.2 基于单个直觉模糊偏好关系的决策方法 |
3.4.3 决策方法在应急风险管理中的应用 |
3.5 基于直觉模糊偏好关系一致性的群决策模型 |
3.5.1 基于多个直觉模糊偏好关系的群决策模型 |
3.5.2 群决策模型在汽车零部件供应商选择中的应用 |
3.6 本章小结 |
第四章 基于语言偏好关系一致性的群决策模型 |
4.1 引言 |
4.2 语言偏好关系及其有序一致性 |
4.3 基于语言偏好关系加性一致性的两个决策模型 |
4.3.1 语言偏好关系的加性一致性概念 |
4.3.2 基于自迭代算法的语言决策模型 |
4.3.3 基于最优化方法的语言决策模型 |
4.3.4 语言决策模型在舰船编队补给船性能评估中的应用 |
4.4 基于语言偏好关系乘性一致性的群决策模型 |
4.4.1 语言偏好关系的乘性一致性概念 |
4.4.2 基于个体语言偏好关系乘性一致性的决策方法 |
4.4.3 基于语言偏好关系乘性一致性的群决策模型 |
4.4.4 语言群决策模型在供应连管理中的应用 |
4.5 本章小结 |
第五章 基于直觉模糊语言偏好关系的群决策模型 |
5.1 引言 |
5.2 直觉模糊语言偏好关系及其相关概念 |
5.3 基于个体直觉模糊语言偏好关系的一致性改进模型 |
5.3.1 直觉模糊语言偏好关系的乘性一致性及其性质 |
5.3.2 乘性一致直觉模糊语言偏好关系的构造方法 |
5.3.3 直觉模糊语言偏好关系的乘性一致性改进算法 |
5.4 基于群体直觉模糊语言偏好关系的相容性提升模型 |
5.4.1 直觉模糊语言偏好关系的相容性测度 |
5.4.2 综合直觉模糊语言偏好关系的优良性质 |
5.4.3 基于直觉模糊语言偏好关系的相容性提升算法 |
5.5 基于直觉模糊语言偏好关系的群决策模型 |
5.6 群决策模型在雾霾影响因素评价中的应用 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 本文研究工作总结 |
6.2 未来研究工作展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
(5)基于计算方法的产品设计方案生成与评价研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状综述 |
1.2.1 产品设计方案生成 |
1.2.2 产品设计方案评价 |
1.3 研究问题的提出 |
1.4 研究内容及组织框架 |
1.4.1 本文的研究内容 |
1.4.2 本文组织框架 |
1.5 本章小结 |
第2章 顾客需求偏好的量化与识别 |
2.1 引言 |
2.2 顾客需求的特点及获取方式 |
2.3 顾客需求偏好的定量化分析 |
2.3.1 Kano模型基础理论 |
2.3.2 改进的连续模糊Kano模型 |
2.4 实例分析 |
2.5 本章小结 |
第3章 基于多元准则的产品设计方案生成 |
3.1 引言 |
3.2 传统产品设计方案生成方法 |
3.3 基于证据推理的质量特性提取方法 |
3.3.1 证据推理基本理论 |
3.3.2 顾客需求与质量特性的关联关系确定 |
3.3.3 质量特性自相关关系推理 |
3.3.4 质量特性权重确定 |
3.4 基于NSGA-Ⅱ算法的产品设计方案生成 |
3.4.1 优化目标分析 |
3.4.2 多目标优化模型的建立及求解 |
3.5 实例分析 |
3.6 本章小结 |
第4章 面向产品性能的评价指标权重分配 |
4.1 引言 |
4.2 粗数介绍 |
4.3 基于粗数DEMATEL的性能指标重要度分析 |
4.4 实例分析 |
4.5 本章小结 |
第5章 数据驱动的产品设计方案性能评价 |
5.1 引言 |
5.2 基于PSO-SVM的设计方案评价值预测 |
5.2.1 机器学习理论基础 |
5.2.2 性能预测模型构建 |
5.3 基于VIKOR方法的设计方案优选 |
5.4 实例分析 |
5.5 本章小结 |
结论 |
参考文献 |
攻读学位期间发表论文与研究成果清单 |
致谢 |
(6)模糊推理的基本理论(论文提纲范文)
§1引言 |
§2模糊推理的五个基本模型 |
模型1 多规则多输入模型MRMI(m,n) |
模型2 多规则单输入模型MRSI(m) |
模型3 单规则多输入模型SRMI(n) |
模型4 单规则单输入模型FMP |
模型5 逆向推理模型FMT |
§3模糊推理的三个基本方法 |
§4模糊推理方法的五个评判准则 |
第1个准则 相容性 |
第2个准则 鲁棒性 |
第3个准则 计算简洁性 |
第4个准则 保真度性 |
第5个准则 逻辑可靠性 |
§5结束语 |
致谢 |
(7)基于客观聚类的模糊建模方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 模糊模型及特征 |
1.2.1 T-S 模糊模型 |
1.2.2 Mamdani 模糊模型 |
1.2.3 其它模糊模型 |
1.2.4 模糊模型特征 |
1.3 模糊建模方法 |
1.3.1 结构辨识 |
1.3.2 参数辨识 |
1.3.3 存在问题 |
1.4 数据分组处理与客观聚类分析 |
1.4.1 数据分组处理基本原理 |
1.4.2 数据分组处理研究概述 |
1.4.3 客观聚类分析研究概述 |
1.5 本文结构安排 |
第二章 改进的鲁棒客观聚类分析 |
2.1 引言 |
2.2 聚类算法的鲁棒性 |
2.3 客观聚类分析 |
2.3.1 偶极子分级 |
2.3.2 基于一致性准则的最优复杂度聚类 |
2.4 改进客观聚类分析 |
2.4.1 相对不相似性测度 |
2.4.2 改进一致性准则 |
2.4.3 鲁棒性分析 |
2.4.4 算法步骤 |
2.5 仿真研究 |
2.6 本章小结 |
第三章 基于客观模糊聚类的鲁棒T-S 模糊辨识 |
3.1 引言 |
3.2 T-S 模糊辨识描述 |
3.3 客观模糊聚类分析算法 |
3.3.1 算法描述 |
3.3.2 算法步骤 |
3.4 基于客观模糊聚类的鲁棒T-S 模糊辨识算法 |
3.4.1 算法描述 |
3.4.2 后件参数辨识 |
3.4.3 算法步骤 |
3.5 性能分析 |
3.5.1 计算复杂性分析 |
3.5.2 鲁棒性分析 |
3.6 仿真研究 |
3.7 本章小结 |
第四章 基于遗传——客观聚类的解释性T-S 模糊建模 |
4.1 引言 |
4.2 T-S 模型的解释性 |
4.2.1 规则解释性 |
4.2.2 规则库解释性 |
4.3 基于遗传——客观聚类的解释性T-S 模糊建模算法 |
4.3.1 基于客观聚类的模糊划分内在约简 |
4.3.2 基于局部误差准则的模糊划分扩展 |
4.3.3 基于遗传算法的模糊划分优选 |
4.3.4 算法步骤 |
4.4 仿真研究 |
4.5 本章小结 |
第五章 基于进化——客观聚类的Mamdani 模糊建模 |
5.1 引言 |
5.2 Mamdani 模型的解释性 |
5.3 基于进化——客观聚类的Mamdani 模糊建模算法 |
5.3.1 基于客观聚类的简明模糊辨识 |
5.3.2 基于(1+1)进化策略的语义参数优化 |
5.3.3 算法步骤 |
5.4 仿真研究 |
5.5 本章小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
攻读博士学位期间的主要学术成果 |
(8)模糊推理系统摄动研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 研究背景及意义 |
1.3 国内外研究现状 |
1.3.1 模糊控制理论研究动态 |
1.3.2 模糊推理研究现状 |
1.4 本文主要研究内容 |
1.5 本文的章节安排 |
第二章 模糊推理基本理论 |
2.1 模糊推理概述 |
2.2 模糊推理的形式 |
2.2.1 基本模糊推理 |
2.2.2 多维模糊推理 |
2.2.3 多重模糊推理 |
2.2.4 链式模糊推理 |
2.2.5 多重多维模糊推理 |
2.3 模糊推理算法 |
2.3.1 Zadeh 的CRI 算法 |
2.3.2 Lukasiewicz 的CRI 算法 |
2.3.3 Mamdani 的CRI 算法 |
2.3.4 Wang 的CRI 算法 |
2.3.5 模糊推理的三 I 算法 |
2.4 模糊推理系统对规则的要求 |
2.5 本章小结 |
第三章 模糊集贴近度新度量方法 |
3.1 模糊集贴近度理论 |
3.2 模糊集贴近度的新度量方法 |
3.2.1 两个模糊集贴近度的新度量方法 |
3.2.2 多个模糊集综合贴近度的新度量方法 |
3.3 本章小结 |
第四章 模糊推理系统的规则摄动 |
4.1 引言 |
4.2 相关定义 |
4.3 基本模糊推理的规则摄动 |
4.4 多维模糊推理的规则摄动 |
4.5 多重模糊推理的规则摄动 |
4.6 链式模糊推理的规则摄动 |
4.7 多重多维模糊推理的规则摄动 |
4.8 本章小结 |
第五章 模糊推理系统的摄动 |
5.1 引言 |
5.2 基于贴近度的模糊推理系统摄动研究 |
5.2.1 基本模糊推理系统摄动 |
5.2.2 多重模糊推理系统摄动 |
5.2.3 多重多维模糊推理系统摄动 |
5.3 本章小结 |
第六章 实验结果及分析 |
6.1 仿真实验 |
6.2 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
附录(发表论文及参与科研项目情况) |
(9)基于辐射能信号的锅炉燃烧控制系统研究(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 引言 |
1.1 课题研究背景 |
1.1.1 模糊控制理论的特点及研究动态 |
1.1.2 遗传算法的产生和发展 |
1.1.3 辐射能信号的研究现状 |
1.2 本文研究的主要内容 |
第二章 模糊控制器与遗传算法 |
2.1 模糊逻辑控制器 |
2.1.1 模糊控制器的基本结构和组成 |
2.1.2 模糊控制器的设计 |
2.2 模糊控制器规则库的优化算法[58] |
2.2.1 模糊控制规则的完备性和相容性 |
2.2.2 模糊集的相容性系数及其相容性 |
2.2.3 模糊控制规则相容性评价方法 |
2.2.4 模糊控制规则的优化方法 |
2.3 遗传算法 |
2.3.1 寻优机理 |
2.3.2 标准遗传算法构成要素 |
2.4 本章小结 |
第三章 基于辐射能信号的燃烧过程控制系统的研究 |
3.1 电站锅炉燃烧过程控制系统分析[63] |
3.1.1 电站锅炉燃烧过程控制系统的任务 |
3.1.2 汽压调节对象的动态特性 |
3.2 电站锅炉燃烧过程的控制系统 |
3.2.1 燃烧过程控制系统基本组成原则 |
3.2.2 燃烧过程控制系统基本方案 |
3.2.3 典型系统方案[64] |
3.2.4 传统燃烧过程控制系统的优缺点 |
3.3 基于辐射能的锅炉燃烧控制系统方案 |
3.3.1 方案的提出 |
3.3.2 采用炉膛辐射能信号的可行性分析 |
3.4 本章小结 |
第四章 采用辐射能信号的燃烧过程控制系统的设计及仿真研究 |
4.1 燃烧系统与控制策略 |
4.2 燃烧系统模糊控制器的设计及遗传优化 |
4.2.1 模糊化、模糊推理和解模糊化 |
4.2.2 模糊控制器控制规则的优化设计 |
4.2.3 模糊控制器参数的遗传优化 |
4.3 燃烧控制系统的仿真研究 |
4.3.1 参数设置 |
4.3.2 给定值仿真实验 |
4.3.3 内扰实验 |
4.3.4 鲁棒性分析 |
4.4 本章小结 |
第五章 结论 |
5.1 本论文完成的主要工作 |
5.2 后续工作展望 |
参考文献 |
致谢 |
在学期间发表的学术论文和参加科研情况 |
(10)基于模糊神经网络的普通硅酸盐水泥与缓凝减水剂相容性问题预测(论文提纲范文)
摘要 |
英文摘要 |
第一章 绪论 |
1.1 论文的研究背景 |
1.2 论文的研究思路与内容 |
1.3 论文研究思路的理论基础 |
1.4 论文研究的意义 |
1.5 论文创新点 |
1.6 本章小节 |
第二章 普通硅酸盐水泥、缓凝减水剂及它们之间的相容性问题 |
2.1 普通硅酸盐水泥 |
2.1.1 普通硅酸盐水泥定义及其组成 |
2.1.2 普通硅酸盐水泥的水化 |
2.2 缓凝减水剂 |
2.2.1 减水剂的使用 |
2.2.2 缓凝减水剂的定义 |
2.2.3 缓凝减水剂分子组成及其作用 |
2.2.4 缓凝减水剂中活性基团对水泥水化性能的影响 |
2.2.5 缓凝减水剂作用机理 |
2.3 普通硅酸盐水泥与缓凝减水剂的相容性 |
2.3.1 新拌混凝土性能 |
2.3.2 相容性定义 |
2.3.3 水泥与缓凝减水剂相容性表现 |
2.3.4 影响水泥与缓凝减水剂相容性的因素 |
2.3.5 相容性的检测方法 |
2.4 本章小节 |
第三章 普通硅酸盐水泥与缓凝减水剂相容性综合模糊评判 |
3.1 模糊集合 |
3.1.1 模糊集合定义 |
3.1.2 模糊集合运算 |
3.2 隶属函数 |
3.3 模糊综合评判方法 |
3.3.1 确定因素集 |
3.3.2 建立备选集(评价集) |
3.3.3 单因素评判 |
3.3.4 建立权重集 |
3.3.5 模糊综合评判 |
3.3.6 评判指标的处理 |
3.4 水泥与缓凝减水剂相容性模糊综合评判 |
3.4.1 因素集的确定 |
3.4.2 各因素权重的确定 |
3.4.3 建立备选集 |
3.4.4 隶属函数的建立及单因素评判 |
3.4.5 模糊综合评判 |
3.5 评判因素量化 |
3.5.1 流动度 |
3.5.2 流动度经时损失 |
3.5.3 初凝时间差 |
3.5.4 终凝时间差 |
3.5.5 泌水率 |
3.6 实例 |
3.7 本章小节 |
第四章 神经网络理论 |
4.1 神经网络发展史 |
4.2 人工神经网络的生物基础—生物神经网络 |
4.2.1 生物神经元 |
4.2.2 生物神经元间的信息传递与生物神经网络的构成 |
4.3 人工神经网络模型 |
4.3.1 人工神经元模型 |
4.3.2 人工神经网络结构 |
4.3.3 神经网络学习方式 |
4.3.4 学习规则 |
4.4 BP神经网络 |
4.4.1 BP神经网络的学习算法 |
4.4.2 BP神经网络的改正学习算法 |
4.4.3 BP神经网络的泛化能力 |
4.5 竞争型神经网络及学习算法 |
4.6 本章小节 |
第五章 模糊推理系统与模糊神经网络 |
5.1 模糊推理系统 |
5.1.1 模糊关系 |
5.1.2 合成运算 |
5.1.3 模糊推理 |
5.1.4 模糊推理系统 |
5.1.5 模糊基函数 |
5.2 模糊神经网络 |
5.2.1 模糊神经元 |
5.2.2 模糊神经网络模型 |
5.2.3 聚类方法 |
5.2.4 模糊神经网络模糊规则确定 |
5.2.5 模糊神经网络学习算法 |
5.3 本章小节 |
第六章 普通硅酸盐水泥与缓凝减水剂相容性模糊神经网络构建和基于MATLAB7.0的软件开发 |
6.1 普通硅酸盐水泥与缓凝减水剂相容性模糊神经网络构建 |
6.1.1 输入变量的确定 |
6.1.2 每个输入变量的模糊集数 |
6.1.3 规则数 |
6.1.4 每一规则的后件 |
6.1.5 输出参数的确定 |
6.2 基于 MATLAB7.0的软件开发 |
6.2.1 MATLAB7.0特点 |
6.2.2 面向对象编程与模糊逻辑工具箱 |
6.2.3 基于 MATLAB7.0的软件开发 |
6.3 训练结果验证 |
6.3.1 模糊神经网络初始参数和训练结果 |
6.3.2 测试样本误差 |
6.3.3 工程应用 |
6.4 本章小节 |
第七章 结论与展望 |
7.1 论文的主要工作及结论 |
7.2 有待解决的问题 |
7.3 对本研究的展望 |
致谢 |
参考文献 |
附录 A |
附录 B |
四、基于模糊集相容性的模糊控制规则优化方法(论文参考文献)
- [1]基于模糊算子的智能信息处理模型研究[D]. 陈芳. 南京理工大学, 2020
- [2]混合评价信息下第四方物流供应商的选择决策研究[D]. 汪静. 西安电子科技大学, 2020(05)
- [3]基于因素空间的不确定性群决策研究[D]. 吕金辉. 辽宁工程技术大学, 2019(07)
- [4]基于直觉模糊语言信息的群决策支持模型与方法研究[D]. 金飞飞. 合肥工业大学, 2018(01)
- [5]基于计算方法的产品设计方案生成与评价研究[D]. 张子健. 北京理工大学, 2016(03)
- [6]模糊推理的基本理论[J]. 裴道武. 高校应用数学学报A辑, 2012(03)
- [7]基于客观聚类的模糊建模方法研究[D]. 王娜. 上海交通大学, 2009(01)
- [8]模糊推理系统摄动研究[D]. 贾燕花. 长沙理工大学, 2009(12)
- [9]基于辐射能信号的锅炉燃烧控制系统研究[D]. 王继洋. 华北电力大学(河北), 2009(11)
- [10]基于模糊神经网络的普通硅酸盐水泥与缓凝减水剂相容性问题预测[D]. 李跃华. 昆明理工大学, 2007(05)