文摘
英文文摘
声明
第一章 绪论
1.1 课题背景
1.1.1 机器学习
1.1.2 支持向量机和模糊系统及其重要性
1.2 支持向量机和模糊系统中的一些问题
1.3 本文的工作
第二章 性能改进的支持向量机
2.1 国际国内研究现状
2.1.1 SVM的理论研究
2.1.2 支持向量机的训练算法
2.1.3 多类SVM
2.1.4 扩展支持向量机
2.1.5 SVM的模型选择
2.1.6 SVM的应用
2.2 使用超椭球参数化坐标的支持向量机
2.2.1 背景
2.2.2 Mercer核
2.2.3 超椭球支持向量机
2.2.4 仿真实验与分析
2.2.5 结论和进一步的工作
2.3 一类新的核函数
2.3.1 再生核与Hn(R)的定义
2.3.2 H1(R)的再生核
2.3.3 Hn(R)的再生核及允许支持向量机核函数
2.3.4 实验测试
2.3.5 结论和进一步的工作
2.4 一种改善核函数的方法
2.4.1 核函数的改进
2.4.2 仿真实验
2.4.3 结论和进一步的工作
第三章 基于Epanechnikov混合模型的一型模糊系统
3.1 一型模糊系统的国际国内研究现状
3.1.1 Mamdani-Larsen模糊系统
3.1.2 Takagi-Sugeno-Kang(TSK)模糊系统
3.1.3 分层模糊系统(Hierarchical Fuzzy syatem)
3.1.4 模糊神经网络(FNN,Fuzzy Neural Network)
3.2 基于Epanechnikov混合模型的Mamdani-Larsen模糊系统
3.2.1 背景
3.2.2 Epanechnikov混合模型(Epanechnikow Mixture Model, EMM)
3.2.3 多输入单输出Mamdani-Larsen Fuzzy Systems(MLFS)和多维EMM的关系
3.2.4 仿真实验
3.2.5 结论
3.3 基于Epanechnikov混合模型的中心化模糊系统
3.3.1 背景
3.3.2 规则中心化的广义模糊系统(RCGFS)
3.3.3 广义Epanechnikov混合模型(EMM)
3.3.4 二维EMM和单输入单输出的RCGFS的关系
3.3.5 多维EMM和多输入单输出的RCGFS的关系
3.3.6 EMM-RCGFS的优点
3.3.7 仿真实验与分析
3.3.8 结论
第四章 基于不确定高斯混合模型的二型TSK模糊系统
4.1 二型模糊系统的国际国内研究现状
4.2 基于不确定高斯混合模型的二型TSK模糊系统
4.2.1 背景
4.2.2 可加性TYPE-1 TSK模糊系统
4.2.2 可加性TYPE-2 TSK模糊系统
4.2.3 不确定的高斯混合模型UGMM
4.2.4 单输入单输出的区间T2-TSK-FS和2维UGMM的关系
4.2.5 多输入单输出的区间T2-TSK-FS和多维UGMM的关系
4.2.6 仿真实验与分析
4.2.7 结论
第五章 一种新颖的基于再生核理论的模糊系统
5.1 背景
5.2 再生核函数的性质
5.3 基于再生核理论的模糊系统
5.4 模糊系统的参数辨识
5.5 Lorenz混沌时间序列预测
5.6 结论
第六章 结束语
致谢
参考文献
附录:作者在攻读博士学位期间发表、录用及提交的论文
江南大学;