第1章 绪论 1
1.1 数据挖掘发展概况 1
1.2 数据挖掘功能描述 2
1.3 模糊数据挖掘方法 4
1.4 模糊推理系统及其逼近理论 5
1.4.1 模糊推理系统概述 5
1.4.2 模糊推理系统的逼近理论 9
1.5 模糊数据挖掘技术在工业过程中的应用 9
1.5.1 工业过程数据特点及面临的问题 10
1.5.2 模糊数据挖掘在工业过程建模和最优控制中的应用 11
1.6 本书的主要研究内容 15
1.7 本书的逻辑结构框图 17
第2章 模糊推理系统基础 18
2.1 引言 18
2.2 模糊集合 19
2.3 模糊集合的运算 22
2.4 语言变量 24
2.5 模糊规则 27
2.5.1 模糊蕴涵 30
2.5.2 解模糊化 32
2.6 小结 32
第3章 改进的基于梯度的实时学习算法 33
3.1 引言 33
3.2 基于梯度下降法的模糊推理系统参数优化 34
3.2.1 冗余模糊规则修剪&. 34
3.2.2 模糊推理系统参数优化 37
3.2.3 最优输出模糊子集和置信度度量的确定 39
3.3 改进的G-RTL概述 42
3.4 G-RTL的收敛性和稳定性分析 45
3.5 仿真结果和分析 46
3.6 小结 51
第4章 基于归一化方差信息的自适应模糊规则挖掘方法 53
4.1 引言 53
4.2 简化的Mamdani模糊推理系统 54
4.3 基于Mamdani模糊推理系统的函数逼近 55
4.4 NV-AMFR概述 58
4.4.1 基于G-RTL的模糊推理系统参数优化 59
4.4.2 确定合适的隶属函数配置及评价输入变量的重要性 65
4.5 仿真结果和分析 69
4.6 小结 75
第5章 空缺模糊规则推理及其在混沌时间序列预测中的应用 76
5.1 引言 76
5.2 模糊预测器模型 77
5.3 基于G-RTL设计模糊预测器模型 79
5.4 完备模糊规则集与模糊预测器模型的可预测性 82
5.5 空缺模糊规则的最邻近扩散推理方法 84
5.6 仿真结果和分析 86
5.7 小结 90
第6章 基于模糊数据挖掘技术的批过程建模与最优模糊控制 91
6.1 引言 91
6.2 单输入多输出模糊T-S预测模型的结构选择 92
6.3 基于G-RTL设计模糊T-S预测模型的参数 93
6.4 最优模糊控制 99
6.4.1 非线性系统最优控制问题的等价变换 99
6.4.2 Pontryagin最小值原理 100
6.5 批过程建模与最优模糊控制仿真结果 101
6.5.1 半连续式反应器的建模仿真 101
6.5.2 半连续式反应器的最优模糊控制仿真 105
6.6 小结 108
参考文献 109