一、BP网在模糊集隶属函数上的应用研究与仿真（论文文献综述）
王安邦[1]（2021）在《航天软件质量评价方法研究》文中研究说明随着航天系统信息化水平的不断提高,软件在航天系统中所占的比重日益增大,航天软件的质量与航天任务是否成功有着直接的关联,且会直接影响设备在轨使用阶段的效能。为了客观描述航天软件产品质量是否满足用户的要求,首先需要对航天软件质量做出合理、科学的评价,因此对航天软件的质量模型和评价方法开展相应的研究具有重要的意义以及价值。现有的质量模型往往偏重于对不同领域以及不同类型软件的通用适应性,因而这些模型用于对具有很强领域特性的航天软件进行评价时可能不够完整和全面;此外现有质量模型对于同一质量特性在软件开发过程不同阶段度量的差异性未进行全面的考虑。模糊综合评判法充分结合了模糊线性变换原理以及最大隶属度准则的优点,可以对被评价的对象做出合理的综合评价,但也存在有效信息丢失以及最大隶属度准则可能失效的问题。对于传统的软件质量评价方法,各元素权重设置以及定性指标量化多依赖于专家的经验,因而存在主观随意性以及思维不确定性风险;此外,传统软件质量评价大多运用简单数学运算方法,忽略了各度量指标与软件质量之间的非线性关系,缺乏自学习的能力,所得的评价结果往往难以真正反映软件质量的好坏。针对上述问题,本文在总结传统软件质量模型和评价方法的基础上,开展了针对航天软件的质量评价方法的研究工作。本文的主要贡献及研究成果如下:一、在分析现有质量模型的基础上,充分考虑航天软件的自身特性,将航天软件开发过程与航天软件质量的评价相互结合,构建了全开发生存周期航天软件质量评价模型。对模型中的质量特性和质量子特性进行了详细描述,针对性地设计了软件开发过程不同阶段各质量特性的度量指标。本文提出的基于层次结构的航天软件质量模型能够较好的符合航天软件质量评价的需求。二、对传统的模糊综合评判法进行了改进,提出了基于置信度的航天软件质量模糊综合评判法。设计了有效性判断指标,评价时首先通过该指标判断最大隶属度准则是否有效,若有效则继续通过最大隶属度准则给出评价结果,若无效则通过置信度准则来得到最终评价结果。经过实际算例应用,证明了该方法的有效性以及可行性。三、对航天软件质量智能评价方法进行了研究,引入动态模糊神经网络用于实现航天软件质量的智能评价,提出了基于SCS算法优化D-FNN的航天软件质量评价方法。四、对动态模糊神经网络的优化方法进行了研究,利用优化算法对网络进行优化,利用优化的动态模糊神经网络进行航天软件质量评价。提出了具有Stud交叉算子的布谷鸟搜索（CS）的改进版本（SCS）,利用SCS优化算法对动态模糊神经网络进行优化以提高网络的评价性能。通过对该算法的优化性能进行实验验证,证明了所提出的SCS算法具有更好的优化性能;通过对SCS-D-FNN模型的评价性能进行实验验证,证明了所提出的SCS-D-FNN模型具有较好的评价性能,能够快速、准确的得到航天软件质量的综合评价结果,具有很好的客观性和实用性。
周裕文[2]（2021）在《基于QUATRE算法的温度PID控制方法研究》文中进行了进一步梳理PID（Proportional–Integral–Derivative）控制器是现代工程控制中最具代表性的控制方式,以其简易模型、高可靠性而经久不衰。但是随着时代的发展,工业控制的对象复杂性日益增长,控制精度的要求与日俱增,尤其是以火电厂、化工厂、炼钢厂等工业中温度控制为代表的具有大滞后、非线性的控制对象。传统的PID控制已经不能满足控制的需要。本文提出基于一种交流策略的并行QUATRE（QUasi-Affine TRansformation Evolutionary）算法的PID整定方法,并将其应用于电炉温度控制系统中。同时针对电炉温度智能控制方法,分别提出了采用本文交流策略的并行QUATRE优化的模糊PID控制和BP（back propagation）神经网络PID控制器。本文主要工作有以下几个方面:（1）针对原始QUATRE算法易陷入局部最优解的特点,提出了一种交流策略的并行算法。为了验证本文提出交流策略的并行QUATRE的可行性,采用四种测试函数对提出并行QUATRE算法、原始QUATRE算法和标准粒子群算法进行了函数的测试实验,实验的结果验证了改进QUATRE算法的寻优性能。（2）针对PID控制精度和效率需求。提出了基于本文交流策略的并行QUATRE算法的PID参数整定方法。结合了电炉温度控制数学模型,建立了电炉温度控制的常规PID控制仿真模型,通过提出的方法进行被控对象的仿真,与采用传统的Z-N（Ziegler–Nichols）法整定进行比较验证智能算法的优越性,同时也与标准粒子群算法进行仿真实验对比,实验结果表明应用本方法的电炉温度控制性能相对优秀。（3）针对模糊PID量化参数没有系统设置方法导致控制效果不佳的问题。提出了基于改进QUATRE算法的模糊PID控制器。对本文的电炉温度控制模型,设计了模糊PID控制器,并采用该算法结合模糊PID控制器,对量化因子和比例因子进行了优化。通过电炉温度数学模型进行了仿真验证,对比了采用经验法得到了一组量化参数模糊PID控制器和Z-N整定法的常规PID控制器仿真效果对比。（4）针对本文的电炉温度控制系统,设计了BP-PID神经网络控制器。针对BP神经网络易陷入局部解,导致控制精度不高的问题,提出基于改进QUATRE算法的BP神经网络PID控制器。采用改进QUATRE算法针对BP神经网络初始权值进行整定。通过温度控制模型的仿真实验对比常规BP-PID控制器和Z-N工程整定法的PID控制器在温度控制上的仿真实验结果,验证了其良好的性能,分析总结本文所有控制策略,针对本文的控制模型推荐策略做了对比。
何文雯[3]（2021）在《基于模糊神经网络的网络运行态势感知研究》文中进行了进一步梳理随着网络通信技术的不断发展,网络给人们的生活带来了极大的便利。在为人们带来便利的同时,网络的运行质量也影响着我们生活的方方面面。保证网络的运行质量,对当前的网络态势给出合理的判断,同时对未来时刻的网络态势给出合理的预测,是当前网络管理中研究的重点。基于网络运行数据的网络运行态势感知技术则是解决这一问题的关键。而网络运行数据具有多源、海量、复杂、不确定性和模糊性的特点,因此网络运行态势感知实质上是分析复杂数据的过程。将模糊理论和神经网络技术相结合,可以使模糊逻辑推理系统借助神经网络强大的并行计算能力大大地提高其模糊推理能力。同时在神经网络上引入了模糊理论后,可以使神经网络自适应地处理模糊信息。因此本文基于模糊神经网络进行网络运行态势感知,其主要研究内容有如下几个方面:1、确定了网络运行质量指标评价体系。本文依据指标评定的全面性、可测性、独立性和真实性原则,综合网络性能和网络流量两个方面的指标,并分别选取网络层和应用层的协议流量指标,从网络性能和业务质量两个方面反映网络的运行质量。此外,本文在确定指标的过程中,充分考虑了指标的可测性。2、提出了CSA-模糊神经网络。结合网络运行态势感知的目标和需求,同时考虑到网络运行数据大都具有模糊性,本文将模糊逻辑推理系统和神经网络相结合,提出基于CSA-模糊神经网络结构的网络运行态势感知模型。将CSA-模糊神经网络和传统的模糊神经网络进行对比,实验证明,本文提出的模糊神经网络模型具有更快的训练速度。3、改进了模糊神经网络学习算法。遗传算法容易受交叉概率和变异概率的影响导致局部搜索能力太差,模拟退火算法能够控制合适的降温速率来保证局部搜索能力。本文对两种算法分别进行改进,并将改进后的算法结合,提出AUGAMTSA混合算法。算法的改进有三个方面:第一,采用混合温度下降函数,使算法在搜索初期有较快的收敛速率,在搜索后期温度下降慢,算法拥有好的局部搜索能力。第二,在生成初始种群的过程中加入距离D作为约束条件,产生在解空间均匀分布的初始个体,有利于算法的全局搜索。第三,采用两种编码方式,使算法能够自适应地调节网络结构。并在适应度函数中引入节点个数,个体适应度的大小由误差损失和节点个数共同作用。并对改进算法的收敛效率进行仿真验证,结果表明,该算法的收敛速率和收敛效果表现更优。4、收集真实的网络运行数据,对数据进行预处理和模糊处理。采用提出的CSA-模糊神经网络和改进的AUGA-MTSA训练算法进行训练,找到最优的参数,最终确定网络运行态势感知模型。并对该模型的态势预测准确率进行比较验证,实验证明,本模型在训练过程中收敛效果更好,在测试过程中的态势预测准确率更高。最后搭建网络态势感知系统,采用确定的态势感知模型完成网络运行态势的实时评估,通过可视化的评估结果能够对系统中业务应用模块进行指导。
陈雪[4]（2021）在《广义模糊系统的权值优化智能算法》文中提出模糊系统是通过语言信息或数据信息来获得反映复杂系统的一种输入-输出关系,虽然它不依赖于精确的数学模型,但却具有逻辑推理、数值计算和非线性函数逼近能力,尤其利用它可把IF-THEN模糊规则转化为非线性映射的系统化程序.目前,国内外诸多学者对于形形色色的智能算法进行了广泛研究,其成果数不胜数.例如,在GA算法中融合BP算法的混合学习算法可以实现模糊系统的自学习,从而达到全局最优和快速搜索.再如,萤火虫算法是根据自然界萤火虫的发光行为和相互吸引现象被提出,进而可依据萤火虫自身发光亮度和吸引度的不断更新来实现目标优化.因此,把一般模糊系统与智能算法结合起来研究将具有重要理论意义.本文主要针对上述两个问题展开研究,具体内容分布如下:第一部分:选题背景及研究现状.第二部分:预备知识.主要介绍Mamdani模糊系统、T-S模糊系统、折线模糊数及其算术运算等相关知识.第三部分:依据三角模糊化、乘积推理机和中心平均解模糊化方法引入Mamdani模糊系统模型,特别当前件模糊集取值为三角形模糊数时采用剖分论域空间和优化参数方法设计Mamdani模糊系统的输出算法,并在具体实例中通过统计学的t-假设检验方法来说明该算法的有效性.第四部分:在由Mamdani模糊系统和T-S模糊系统构成的混合模糊系统中通过权值梯度向量建立误差函数,依据BP算法和遗传算法对梯度向量实施权值参数优化,并利用适应度函数和解码转换等方法设计权值参数优化算法.最终实现对混合模糊系统的权值参数达到全局优化的目的.第五部分:依据折线模糊数的有序表示及其线性运算引入非齐次线性折线T-S模糊系统模型,并按照有序表示给出该系统后件线性部分调节参数的表达式.其次,利用萤火虫的自身发光亮度和吸引度公式对可能解的粒子位置更新设计一种TS萤火虫算法,从而实现对所有调节参数（粒子）的全局优化.最后,通过数值仿真实例说明该算法不仅可避免陷入局部极小值和早熟收敛问题,而且具有全局收敛和寻优精度高等优点.
黄红兵[5]（2020）在《塑料挤出机温度控制系统研究与设计》文中进行了进一步梳理塑料型材作为现代社会经济发展的一种基础性材料,其成型过程大多由塑料挤出机加工完成。在塑料型材生产过程中,挤出机温度控制精度对原料的塑化和混合效果有着直接而明显的影响。因此,研制一种高精度、快速响应的挤出机料筒温度控制系统对塑料机械行业具有重要的意义。本课题来源于大连某塑料建材有限公司--高效塑料型材生产工艺及专用设备研究项目。该项目以塑料挤出机料筒温度控制系统为核心研究内容,在分析系统各项性能指标的基础上,重点对挤出机温度控制算法进行研究。同时对控制系统硬件、软件进行设计,最终目标实现控制算法在挤出机上的应用,提高料筒温度的控制精度和系统稳定性。首先分析了塑料挤出机工艺流程和工作原理,设计了挤出机温度控制系统总体方案。采用阶跃响应曲线辨识法获取系统模型参数,建立料筒温度控制系统数学模型。利用MATLAB/Simulink对常规PID控制方法与模糊PID控制策略进行仿真,针对常规PID控制参数难以整定、超调量过大、调节时间长,模糊PID控制抗干扰能力差等问题。本文采用BP神经网络与传统PID相结合的控制策略,设计搭建3-5-3结构的BP神经网络PID控制器,提出引入惯性项、引入动量项、改进学习速率策略,实现对PID的比例、积分和微分三个参数的调节功能。在MATLAB/Simulink环境下搭建新型料筒温度控制系统仿真模型,进行系统仿真实验分析,仿真结果表明基于BP神经网络的PID控制器具有较好的温度控制效果及抗干扰能力。然后对挤出机温度控制系统进行硬件和软件设计。硬件部分详细分析PLC及扩展模块的总体配置并进行硬件组态,对控制系统温度传感器、料筒加热器、冷却装置等主要设备选型和电路设计;软件部分介绍了本控制系统的程序结构,运用STEP7编程软件对温度控制系统的主程序进行编写及BP-PID控制算法的实现。同时根据设计原则及用户要求,开发挤出机温度控制系统Win CC监控界面,实现人机交互和整个控制系统的在线监控,并完成实时温度参数的设定、修改、系统数据的存储、历史数据的显示、报警信息显示和查询等功能。最后,对所设计的挤出机温度控制系统进行了系统测试与性能评价。实验数据验证了本文控制方案设计的合理性,提高了料筒温度控制精度,具有较好的自适应能力和稳定性。
李忠鹏[6]（2020）在《区间二型模糊神经网络在SCR入口NOx浓度软测量中的应用研究》文中提出燃煤电厂选择性催化还原技术（SCR）是目前烟气脱硝的主要手段。在实际生产中SCR系统入口NOx浓度值直接作用于供氨控制系统,因此其数值大小的及时准确测量对提升脱硝效率、降低氨逃逸率、减少系统耗能有重要影响。当前,SCR入口NOx浓度监测广泛采用的烟气连续监测系统（Continuous Emission Monitoring Systems,CEMS）具有技术成熟、测量精度高、易于在线校准等优点,但是为了保证传感器的工作稳定性与准确性,在测量前需要设置很长的采样管线用于去除烟气中的飞灰与水汽等杂质,这便使测量值相对于实际值产生了很大的滞后性,并且在解列维护时,测量值也会失去连续性,这在很大程度上影响了SCR系统的脱硝效率。针对这一问题,本文基于数学方法建立软测量模型,来实现对SCR入口NOx浓度的实时精确测量。（1）根据实际工程与相关文献研究,选择了15个与NOx浓度特性相关的参量作为初始变量。为了使仿真实验尽可能符合实际生产情况,本文从某电厂采集了DCS历史运行数据,并在预处理后得到实验样本。（2）为了简化模型结构、减少运算量、提升网络学习速度,利用主元分析（PCA）法降低模型输入维数,从15个初始变量中选择最终的辅助变量,进而得到以辅助变量为输入SCR入口NOx浓度为输出的训练样本集和测试样本集。（3）利用模糊均值聚类（FCM）与减法聚类（SCM）算法相结合的方法,辨识一型T-S模糊神经网络前件层结构和初始化隶属函数参数,同时基于改进的SGPSO算法对后件层参数进行优化,建立GJTSFNN软测量数学模型。在MATLAB平台上编程实现了模型的搭建,并与BP模型、TSFNN模型进行了对比实验。结果表明,GJTSFNN的测量精度、学习速度均优于其他两种模型,从而初步验证了算法的有效性。（4）利用区间二型模糊均值聚类（IT2FCM）与减法聚类（SCM）算法相结合的方法,辨识区间二型模糊神经网络前件层结构,确立隶属度函数参数,同时利用改进的SGPSO算法对后件层线型参数进行优化,以提升网络全局最优搜索能力,最终建立GJIT2FNN软测量数学模型。同样,在MATLAB平台上编程实现了GJIT2FNN模型的搭建,通过和基于梯度下降算法调整各参数的IT2FNN模型进行仿真实验对比,进一步验证了所提建模方法的优越性。
王倩倩[7]（2020）在《基于Petri网和过程挖掘的信用卡风险分析》文中指出随着中国经济飞速发展,人民的消费意识也随之改变,“提前消费”理念深入人心。以信用卡为代表的个人信贷业务应运而生,极大的满足了人们的精神和物质追求。高额度、易使用的优点让人们忽略了它高风险的本质。科学合理的信用卡风险评估可以促进信用卡领域健康蓬勃发展。针对国内目前尚未有针对信用卡风险因果关联性评估方法的现状,研究基于Petri网和过程挖掘的信用卡风险分析是非常有现实意义的。以往的信用卡风险评估往往采用神经网络法,神经网络中神经元数量巨大使得整个神经网络能够存储大量有效信息,神经网络是目前较为公认的具有很高预测精度的分类模型。但是以前的研宄中大多直接采用指标体系进行整体定性分析,缺乏对信用风险事件发展的因果关联性的描述,显然这具有一定的局限性。为了更好的解决上述问题,本文中提出基于Petri网图形建模和模糊控制理论相结合的分析方法算法,根据具体的规则,建立了信用卡风险的模糊Petri网模型,并将BP神经网络算法引入到模型权重参数的学习中,最终通过具体实验数据分析得出本文采用算法的有效性。本文的主要工作有以下四点:（1）针对个人信用评估指标问题,已有的研究通常将指标彼此独立,无法体现交互关系。提出了构建模糊Petri网信用卡风险评估指标体系。本文采用分解流程法将信用卡风险评估指标体系进行分解,利用行为轮廓将有具有共同性质的指标归在一类,解决了信用卡评估指标无法定性的问题,提高了指标之间的因果关联性,降低了指标之间的误差。（2）针对模糊Petri网中信用评估指标权重问题,已有的文献较多使用专家问卷法得出,客观权重已经使用了专家问卷,主观权重继续使用这种方法使得组合权重过于主观。对于这一问题,本章将神经网络和模糊Petri相结合,以BP神经网络计算出各指标重要程度,将得出的数据运用序关系法得出主观权重,将BP神经网络和模糊Petri网相结合,保证了模糊综合评价模型的合理性和科学性,进而提高信用评估值便权重的合理性,利于后续计算个人信用值。（3）针对信用评估中指标之间定性后无法定量的问题,现有的方法大多直接使用个人信用数据库中数据,无法完整合理的利用数据信息。构建了基于熵权的信用卡风险模糊综合评估模型。本文将熵值法与模糊数学理论相结合,将信用卡安全风险评估指标的风险分类级别作为评语,将隶属度作为概率的值,然后依次计算各指标的熵值并赋权,极大提高了赋权的客观性、科学性、合理性。（4）针对信用评估信息量大且不完全的缺点,提出了基于熵权的模糊Petri网信用卡风险评估模型。模糊Petri网具有较好的并行处理性、快速性及容错性,可以快速、准确处理信用评估模型中的数据。基于此,通过信用卡风险评估模型的实例分析验证了基于熵权的模糊Petri网信用卡风险评估模型在完善信用卡风险分析领域具有可行性。图[25]表[10]参[83]
汪若晨[8]（2020）在《优化模糊决策树在医学数据分类中的研究与应用》文中研究表明目前,信息技术的发展愈发迅速以及信息技术成果的不断普及,许多医院都已经普遍配备信息系统和数字化设备。随着看病人数的增加,有关数据库中病人的相关数据也不断地累积,比如影像数据（如CT影像数据）、信号（如心电图）、数字数据（如血液、尿液检测结果）、文本数据（如医生诊疗结果、患者症状描述）等等不同类型的医学数据。由于医生水平的不同或者主观判断不一致,在诊断过程中,可能会产生误诊。所以,对医疗数据进行数据挖掘来获得所含的信息的需求也愈加迫切。通过对这些医疗数据进行挖掘,可以从其中获得具有宝贵价值的关联规则信息,从而可以为医生对疾病的诊断提供更加科学的依据,降低误诊率。因此,对医学数据进行分类,并挖掘出其中的关联规则具有重大的研究意义和应用价值。对医学数据分类最终目的是选择好的分类模型,传统的数据分类通常使用决策树模型作为分类模型,但决策树模型无法适用数据中的模糊性和不确定性。因此,将模糊理论和决策树模型相结合构建模糊决策树模型,可以大大增强在处理医学数据时,决策树模型对其中存在的模糊性和不确定性的适用性,以此更加准确和有效的对医疗数据进行分类和挖掘。首先,对比两种决策树算法——模糊决策树算法和决策树算法。在医学数据集上完成模糊决策树和决策树的构建和规则提取,并总结出模糊决策树和决策树的区别。采用Kohonen特征映射算法对医学数据集确定中心点,并计算各个数据到该中心点的距离,然后对数据集采用三角隶属度函数进行模糊化处理,对处理后的数据集进行模糊决策树模型的构建。通过与其他决策树模型在分类准确率和生成的规则数量上进行对比,证明模糊决策树在医学数据分类上的优势。其次,对粒子群优化算法进行改进,通过分析对比固定权重粒子群优化算法、线性递减粒子群优化算法,针对惯性权重参数设置,提出了一种非线性递减粒子群优化算法,采用4种标准函数进行测试,能够在迭代早期更好地跳出局部最优,进行全局寻优,和迭代晚期更好地局部寻优,加快收敛速度。通过结合改进的粒子群优化算法和模糊决策树算法提出一种混合方法对医学数据集进行分类研究,该方法通过粒子群优化算法优化模糊决策树的关键参数,用得到的参数构建一个最优的模糊决策树,并且应用于乳腺癌数据集的分类上,挖掘出其中的关联规则。为了证明本文提出模型的有效性,对于优化模糊决策树模型,本文使用UCI公共医学数据集上的Diabetes数据集、Breast Cancer数据集作为实验数据集。通过实验,在训练准确率、测试准确率、概括能力以及生成树的规模构成等几个方面进行对比发现,本文提出的模型在医学数据分类中有较好的表现。
汤国瑞[9]（2020）在《施工水域船舶智能避碰专家系统研究》文中研究说明船舶碰撞不但损坏船舶、危及货物,甚至造成人员伤亡、海洋污染,碰撞事故一旦发生,带来的后果和危害将不堪设想。同时,随着沿海地区经济的快速发展,海上能源的综合开发利用越来越普遍,各类水工设施、跨海大桥、海底隧道、海上钻井平台等复杂的海上施工作业越来越多,施工水域航行环境更加复杂、不确定因素更多,所以船舶碰撞事故发生频率更高。为减少施工水域由于人为过失导致的船舶碰撞事故,协助驾驶员安全航行,构建施工水域船舶智能避碰专家系统,主要研究内容如下:1、对研究背景和研究意义进行介绍,包括应用背景、理论意义和应用价值等。通过查阅、总结国内外关于智能避碰和专家系统的文献,对国内外的研究现状及取得的成果进行阐述,同时介绍本文的主要研究内容和技术路线。2、基本理论介绍。对人工智能、专家系统、自动化避碰、模糊神经网络等概念进行解释。3、船舶避碰机理。避碰机理是船舶智能避碰专家系统中重要的组成部分,其中包括船舶领域模型、安全通过距离模型、会遇态势判断模型,根据本船与动态碍航物（目标船）、本船与静态碍航物（桥梁、浮标、钻井平台等）的航行参数,确定本船的船舶领域、本船与碍航物的安全通过距离和会遇态势。作为船舶避碰领域的重要参考依据,所需的航行参数包括船长、航速、航向、距离、能见度、目标船相对于主船坐标系中的坐标等。4、碰撞危险度计算。碰撞危险度是衡量船舶碰撞可能性的重要指标,也是构建的专家系统中另一重要环节。利用模糊神经网络理论,根据两船航速、航向、距离、能见度、风、浪、流等因素求解碰撞危险度,同时以此为样本库,利用神经网络对样本库进行训练,训练后的神经网络模型可以根据输入的原始数据直接求解出碰撞危险度。同时提出了一种环境危险度的概念,以能见度、风、浪、流等作为基础参数,同理进行求解环境危险度。5、专家系统的构建和仿真。专家系统的核心在于模型库和规则库的建立,模型库包括上文提及的船舶领域模型、安全通过距离模型、会遇态势判断模型、碰撞危险度模型,而规则库利用《1972年国际海上避碰规则》（以下简称《规则》或《避碰规则》）、航行习惯、港口港章等资料进行梳理、构建。由此,专家系统能够根据实时的航行环境和航行情况,获取预设参数后,在模型库中对船舶领域、安全通过距离、会遇态势、碰撞危险度进行计算和判断,根据计算结果,在规则库中进行匹配,给出合理的航行提示和航行建议。利用MATLAB软件实现专家系统的构建,在对遇、追越、交叉相遇三种会遇态势下进行仿真验证,证明专家系统的有效性、合理性,能够在紧迫局势下,为驾驶员提供合理的航行提示和航行建议,协助驾驶员安全航行。6、结论。总结研究内容,概括取得的研究成果,同时指出研究的不足,提出未来进一步的研究方向。
李岩[10]（2020）在《基于直觉模糊和点云数据的文物碎片匹配算法研究》文中研究表明文物是社会发展过程中古代人民创造的遗物,这些遗迹为当代研究古代人类生活习俗、社会状况、工艺水平等奠定基础,也是现代还原历史真相的有力依据。但是,随着环境改变与时代更迭,文物受自然和人为等因素的影响,许多珍贵的历史遗产遭受不同程度地破坏。计算机辅助文物虚拟复原可在大幅缩短复原时间的同时避免对文物的二次破坏,因而成为计算机图形学的重要研究方向。然而,部分文物破损严重、显着特征缺失导致虚拟复原方法在实际应用中仍存在一些问题和挑战。例如,普通神经网络无法有效处理文物特征的模糊性,导致文物碎片分类性能较差;基于多特征的碎片匹配算法未考虑文物破损的影响,存在误匹配现象等。针对上述问题,本文主要研究内容如下:（1）针对文物碎片分类过程中因特征缺失而导致PointNet网络分类精度较低的问题,将直觉模糊理论与PointNet网络相结合,提出了一种基于PointNet的文物碎片分类算法。根据直觉模糊理论为PointNet构建了模糊化层及去模糊化层,降低了原始数据模糊性的影响。同时采用多尺度空间球提取点云数据的局部特征,减少了PointNet中局部特征缺失对分类性能的影响。实验结果表明,该方法在一定程度上改善了破损文物分类精度较低的问题。（2）针对碎片匹配过程中因文物缺损而导致的误匹配现象,提出了一种基于直觉模糊混合优化的多特征匹配模型。通过历史碎片数据构建判别矩阵,利用三分法对碎片的轮廓线、厚度、曲率和旋转投影二进制描述符等特征模糊化并构造特征矩阵,根据赋权直觉模糊相似度度量及差分进化算法建立直觉模糊多特征匹配模型,最终完成文物碎片断裂面的识别。实验结果表明该方法减少了误匹配现象的发生。（3）针对直觉模糊多特征匹配模型中差分进化算法控制参数设置繁琐、易陷入局部最优的问题,提出了一种基于学习潜能的自适应参数差分进化算法。根据班德文效应设计挖掘个体学习潜能的策略,并通过个体学习潜能构造了交叉因子与变异因子的自适应变换,以改进固定参数的局限性;同时考虑时间因素对个体的影响,融合时间因素与学习潜能改进了选择操作提升算法的搜索能力。测试函数上的实验表明了该方法的有效性和可行性。
二、BP网在模糊集隶属函数上的应用研究与仿真（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、BP网在模糊集隶属函数上的应用研究与仿真（论文提纲范文）
（1）航天软件质量评价方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 软件质量评价模型的研究现状 |
| 1.2.2 软件质量评价方法的研究现状 |
| 1.3 论文主要内容及结构安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构安排 |
| 1.4 本章小结 |
| 第2章 软件质量评价理论基础 |
| 2.1 软件质量模型 |
| 2.1.1 Boehm质量模型 |
| 2.1.2 McCall质量模型 |
| 2.1.3 ISO/IEC9126质量模型 |
| 2.1.4 GJB5236质量模型 |
| 2.1.5 ISO 25010质量模型 |
| 2.2 软件度量 |
| 2.2.1 软件度量的分类 |
| 2.2.2 软件度量的方法 |
| 2.3 软件生存周期 |
| 2.3.1 软件生存周期过程 |
| 2.3.2 软件生存周期模型 |
| 2.4 本章小结 |
| 第3章 基于层次结构的航天软件质量模型 |
| 3.1 航天软件概述 |
| 3.1.1 航天软件组成及特点 |
| 3.1.2 航天软件开发过程 |
| 3.2 层次分析法 |
| 3.2.1 层次分析法的原理 |
| 3.2.2 层次分析法的基本步骤 |
| 3.3 航天软件质量模型构建 |
| 3.3.1 航天软件质量模型结构 |
| 3.3.2 质量特性与质量子特性 |
| 3.4 航天软件质量度量指标 |
| 3.4.1 质量特性度量手段 |
| 3.4.2 需求分析阶段的度量指标设计 |
| 3.4.3 软件设计阶段的度量指标设计 |
| 3.4.4 编码实现阶段的度量指标设计 |
| 3.4.5 软件测试阶段的度量指标设计 |
| 3.5 本章小结 |
| 第4章 基于置信度的航天软件质量模糊综合评判法 |
| 4.1 模糊综合评判法 |
| 4.1.1 模糊理论 |
| 4.1.2 模糊综合评判 |
| 4.2 模糊综合评判法的应用分析 |
| 4.2.1 应用过程 |
| 4.2.2 存在问题及分析 |
| 4.3 基于置信度的模糊综合评判法 |
| 4.3.1 最大隶属度准则的有效性判断 |
| 4.3.2 置信度准则 |
| 4.3.3 基于置信度的模糊综合评判法实施 |
| 4.4 实际应用算例 |
| 4.4.1 确定软件质量模型 |
| 4.4.2 确定元素权重 |
| 4.4.3 确定因素集、评语集和评判矩阵 |
| 4.4.4 实施模糊综合评判 |
| 4.4.5 结果向量有效性检验 |
| 4.4.6 给出本层评判结果 |
| 4.4.7 逐层向上评判得到最终结论 |
| 4.5 本章小结 |
| 第5章 基于SCS算法优化D-FNN的航天软件质量评价 |
| 5.1 改进的布谷鸟搜索算法SCS |
| 5.1.1 布谷鸟搜索算法 |
| 5.1.2 螺栓遗传算法 |
| 5.1.3 改进的布谷鸟搜索算法 |
| 5.2 基于SCS算法优化的动态模糊神经网络 |
| 5.2.1 动态模糊神经网络模型 |
| 5.2.2 基于SCS算法优化的D-FNN |
| 5.3 仿真实验及结果分析 |
| 5.3.1 实验目的及意义 |
| 5.3.2 实验仿真环境 |
| 5.3.3 改进布谷鸟搜索算法仿真实验 |
| 5.3.4 软件质量评价仿真实验 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结与创新 |
| 6.2 下一步研究工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）基于QUATRE算法的温度PID控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 PID参数整定的研究现状 |
| 1.2.2 智能PID研究现状 |
| 1.3 本文的工作及主要安排 |
| 第二章 基于并行QUATRE算法的电炉温度PID控制研究 |
| 2.1 PID控制简介 |
| 2.1.1 PID控制原理 |
| 2.1.2 PID参数的意义 |
| 2.1.3 PID参数整定方法 |
| 2.1.4 数字PID控制 |
| 2.2 QUATRE算法简介 |
| 2.2.1 QUATRE算法的基本思想 |
| 2.2.2 基于一种交流策略的并行QUATRE |
| 2.3 控制性能评价指标 |
| 2.4 电炉温度控制实例 |
| 2.4.1 电炉加热原理 |
| 2.4.2 电炉的基本原理 |
| 2.4.3 电炉数学模型 |
| 2.5 基于QUATRE的 PID控制的仿真分析 |
| 2.6 本章小结 |
| 第三章 基于并行QUATRE算法优化的模糊PID温度控制 |
| 3.1 模糊控制的基本原理 |
| 3.1.1 模糊化 |
| 3.1.2 知识库 |
| 3.1.3 模糊推理 |
| 3.1.4 解模糊 |
| 3.2 模糊PID控制的设计 |
| 3.2.1 模糊PID的基本结构 |
| 3.2.2 自适应模糊PID控制器设计 |
| 3.3 基于并行QUATRE算法优化模糊PID控制器结构与步骤 |
| 3.4 基于并行QUATRE算法优化模糊PID控制的温度控制仿真分析 |
| 3.5 本章小结 |
| 第四章 基于并行QUATRE优化的BP神经网络PID控制 |
| 4.1 基本的工神经网络理论 |
| 4.2 BP神经网络理论 |
| 4.2.1 网络模型的结构 |
| 4.2.2 BP优缺点及改进办法 |
| 4.3 基于BP神经网络的PID控制器原理 |
| 4.4 基于并行QUATRE算法的BP-PID控制器设计 |
| 4.4.1 并行QUATRE算法优化BP神经网络原理 |
| 4.4.2 并行QUATRE与 BP神经网络算法整定PID流程 |
| 4.5 基于并行QUATRE-BP-PID的温度控制系统仿真 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 进一步的展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（3）基于模糊神经网络的网络运行态势感知研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究历史和现状 |
| 1.2.1 网络态势感知研究现状 |
| 1.2.2 模糊神经网络研究现状 |
| 1.3 本文的主要贡献和创新 |
| 1.4 本论文的结构安排 |
| 第二章 论文相关领域基础知识 |
| 2.1 网络态势感知概述 |
| 2.1.1 网络态势评估方法 |
| 2.1.2 态势分析 |
| 2.2 模糊理论概述 |
| 2.2.1 模糊逻辑推理系统 |
| 2.2.2 T-S模糊模型 |
| 2.3 模糊神经网络概述 |
| 2.3.1 模糊逻辑系统和神经网络的结合 |
| 2.3.2 模糊神经网络结构概述 |
| 2.4 模糊神经网络学习算法概述 |
| 2.4.1 模拟退火算法(SA) |
| 2.4.2 遗传算法(GA) |
| 2.5 本章小结 |
| 第三章 网络运行态势感知总体方案设计 |
| 3.1 网络运行态势感知系统设计 |
| 3.2 网络运行态势方案设计 |
| 3.3 网络运行态势指标的构建 |
| 3.3.1 网络态势指标简介 |
| 3.3.2 构建网络运行态势指标体系 |
| 3.3.3 指标数据的整理 |
| 3.4 数据的模糊化处理 |
| 3.4.1 态势特征的提取 |
| 3.4.2 模糊划分 |
| 3.5 本章小结 |
| 第四章 态势感知模糊神经网络的设计 |
| 4.1 模糊神经网络结构设计 |
| 4.1.1 需求分析 |
| 4.1.2 CSA-模糊神经网络 |
| 4.2 模糊神经网络学习算法的设计及实现 |
| 4.2.1 混合温度模拟退火算法(MTSA) |
| 4.2.2 自适应均匀分布遗传算法(AUGA) |
| 4.2.3 AUGA-MTSA算法 |
| 4.3 实验验证分析 |
| 4.3.1 CSA-模糊神经网络结构对比分析 |
| 4.3.2 CSA-模糊神经网络算法对比分析 |
| 4.4 本章小结 |
| 第五章 网络运行态势感知系统实现与仿真分析 |
| 5.1 网络运行数据的收集和处理 |
| 5.1.1 数据的采集和预处理 |
| 5.1.2 网络数据的模糊化处理 |
| 5.2 基于CSA-模糊神经网络结构的网络运行态势感知仿真 |
| 5.3 基于CSA-模糊神经网络的网络运行态势感知算法仿真 |
| 5.3.1 混合温度模拟退火算法(MTSA)仿真 |
| 5.3.2 遗传算法(GA)参数对态势感知性能的影响 |
| 5.3.3 自适应均匀分布遗传算法(AUGA)仿真 |
| 5.3.4 AUGA-MTSA算法仿真 |
| 5.4 网络运行态势感知仿真结果分析 |
| 5.5 网络运行态势感知系统的应用 |
| 5.6 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的研究成果 |
（4）广义模糊系统的权值优化智能算法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 前言 |
| 1.1 选题背景 |
| 1.2 研究现状 |
| 第2章 预备知识 |
| 2.1 两类模糊系统 |
| 2.2 折线模糊数及运算 |
| 第3章 Mamdani模糊系统及输出算法 |
| 3.1 三角形模糊化的Mamdani模糊系统 |
| 3.2 输出算法 |
| 3.3 模拟实例 |
| 第4章 混合模糊系统的优化算法 |
| 4.1 混合模糊系统 |
| 4.2 权值参数优化算法 |
| 4.3 模拟实例 |
| 第5章 非齐次线性折线T-S模糊系统及算法设计 |
| 5.1 非齐次线性折线T-S模糊系统 |
| 5.2 TS萤火虫算法 |
| 5.3 模拟实例 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（5）塑料挤出机温度控制系统研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外挤出机控制系统研究现状 |
| 1.2.1 国外挤出机控制系统的发展现状 |
| 1.2.2 国内挤出机控制系统的发展现状 |
| 1.2.3 国内外塑料挤出机温度控制方法发展现状 |
| 1.3 课题来源及研究目标 |
| 1.4 课题主要研究内容和论文结构 |
| 第二章 塑料挤出机温度控制系统分析及方案设计 |
| 2.1 塑料挤出机分类及设备组成 |
| 2.1.1 塑料挤出机的分类 |
| 2.1.2 塑料挤出机设备的组成 |
| 2.2 塑料挤出机生产工艺及工作原理 |
| 2.2.1 塑料挤出机生产工艺 |
| 2.2.2 塑料挤出机工作原理 |
| 2.3 塑料挤出机温度控制系统特点及工艺要求 |
| 2.3.1 挤出机料筒温度控制特点 |
| 2.3.2 挤出机料筒温度工艺要求 |
| 2.4 塑料挤出机温度控制系统整体方案设计 |
| 本章小结 |
| 第三章 塑料挤出机料筒温度控制算法研究 |
| 3.1 塑料挤出机温度控制系统数学模型建立 |
| 3.2 基于模糊PID的挤出机料筒温度控制算法研究 |
| 3.2.1 PID控制原理 |
| 3.2.2 模糊控制理论基础 |
| 3.2.3 模糊逻辑系统 |
| 3.2.4 料筒温度模糊PID控制器设计 |
| 3.2.5 料筒温度基本控制方法仿真与分析 |
| 3.3 基于BP神经网络PID的挤出机料筒温度控制算法研究 |
| 3.3.1 BP神经网络的基本原理 |
| 3.3.2 BP神经网络的基本结构 |
| 3.3.3 BP神经网络误差反向传播理论分析 |
| 3.3.4 BP神经网络的学习过程及推导过程 |
| 3.3.5 BP神经网络的PID控制器设计 |
| 3.3.6 BP神经网络PID料筒温度控制系统仿真与分析 |
| 3.3.7 料筒温度不同控制方法下的仿真对比分析 |
| 本章小结 |
| 第四章 塑料挤出机温度控制系统的设计与实现 |
| 4.1 塑料挤出机温度控制系统硬件设计 |
| 4.1.1 PLC及扩展模块配置 |
| 4.1.2 S7-300PLC硬件组态 |
| 4.1.3 温度传感器及执行器的选取 |
| 4.2 塑料挤出机温度控制系统软件设计 |
| 4.2.1 STEP7系统开发环境 |
| 4.2.2 PLC主程序设计 |
| 4.2.3 BP-PID控制方法程序设计 |
| 4.2.4 BP-PID控制子程序的实现 |
| 4.3 上位机WinCC监控系统开发与设计 |
| 4.3.1 WinCC组态软件 |
| 4.3.2 WinCC监控系统组态流程 |
| 4.3.3 WinCC监控系统功能要求 |
| 4.3.4 塑料挤出机温度监控界面开发 |
| 本章小结 |
| 第五章 挤出机温度控制系统调试与运行结果分析 |
| 5.1 控制系统通信的实现 |
| 5.2 挤出机温度控制系统调试 |
| 5.3 系统测试与运行结果分析 |
| 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（6）区间二型模糊神经网络在SCR入口NOx浓度软测量中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 前言 |
| 1.2 研究背景及意义 |
| 1.3 研究现状 |
| 1.4 软测量技术简介 |
| 1.5 论文主要工作 |
| 2 模糊神经网络相关理论 |
| 2.1 模糊逻辑系统 |
| 2.1.1 一型模糊逻辑系统 |
| 2.1.2 二型模糊逻辑系统 |
| 2.1.3 区间二型模糊逻辑系统 |
| 2.2 模糊神经网络 |
| 2.2.1 神经网络 |
| 2.2.2 模糊系统与神经网络的融合 |
| 2.2.3 区间二型模糊神经网络 |
| 2.3 模糊聚类 |
| 2.3.1 FCM算法 |
| 2.3.2 IT2FCM算法 |
| 2.4 本章小结 |
| 3 辅助变量的选择 |
| 3.1 主元分析 |
| 3.2 机组参数 |
| 3.3 数据采集与预处理 |
| 3.4 辅助变量选择 |
| 3.5 本章小结 |
| 4 一型T-S模糊神经网络SCR入口NO_x软测量建模 |
| 4.1 模糊神经网络软测量模型结构 |
| 4.2 前件结构辨识 |
| 4.2.1 确定聚类中心数目 |
| 4.2.2 计算聚类中心 |
| 4.3 后件层参数优化 |
| 4.3.1 标准PSO算法 |
| 4.3.2 改进的SGPSO算法 |
| 4.3.3 基于改进型SGPSO算法优化后件层参数 |
| 4.3.4 网络学习 |
| 4.4 实验分析 |
| 4.5 本章小结 |
| 5 区间二型模糊神经网络SCR入口NO_x软测量建模 |
| 5.1 区间二型模糊神经网络(IT2FNN)结构 |
| 5.2 前件层结构辨识 |
| 5.2.1 计算聚类中心 |
| 5.2.2 基于IT2FCM计算聚类中心 |
| 5.3 后件层参数优化 |
| 5.4 网络后件参数学习 |
| 5.5 实验分析 |
| 5.6 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（7）基于Petri网和过程挖掘的信用卡风险分析（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 1 绪论 |
| 1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 行为轮廓 |
| 1.2.2 模糊综合评价 |
| 1.2.3 模糊Petri网 |
| 1.3 内容安排 |
| 2 基础知识 |
| 2.1 信用卡风险评估相关知识 |
| 2.1.1 风险识别 |
| 2.1.2 信用卡风险识别 |
| 2.2 BP神经网络相关知识 |
| 2.2.1 BP神经网络基本概念 |
| 2.2.2 BP神经网络基础知识 |
| 2.3 Petri网基本概念 |
| 2.3.1 Petri网基本定义 |
| 2.3.2 Petri网性质 |
| 2.4 模糊Petri网基本概念 |
| 3 基于序关系-BP神经网络的信用卡风险评估 |
| 3.1 概述 |
| 3.2 基本概念 |
| 3.3 基于序关系-BP神经网络信用卡风险评估 |
| 3.3.1 建立基于序关系-BP神经网络信用卡风险分析模型 |
| 3.3.2 实例验证 |
| 3.4 本章小结 |
| 4 基于熵权的信用卡风险模糊综合评估 |
| 4.1 概述 |
| 4.2 基本概念 |
| 4.3 信用卡安全风险评估指标权重 |
| 4.3.1 基于熵权的信用卡安全模糊综合评估 |
| 4.3.2 实例验证 |
| 4.4 本章小结 |
| 5 基于模糊Petri网的信用卡风险评估 |
| 5.1 概述 |
| 5.2 基本概念 |
| 5.3 基于模糊Petri网信用卡安全风险评估模型 |
| 5.3.1 基于模糊Petri网信用卡安全风险评估模型建模 |
| 5.3.2 实例验证 |
| 5.4 本章小结 |
| 6 总结和展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间的主要科研成果 |
（8）优化模糊决策树在医学数据分类中的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 医学数据分类的研究现状 |
| 1.2.2 决策树的研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文结构安排 |
| 2 决策树与医学数据分类 |
| 2.1 决策树 |
| 2.1.1 决策树的概念 |
| 2.1.2 决策树的生成过程 |
| 2.1.3 决策树的几种常用算法 |
| 2.2 模糊决策树 |
| 2.2.1 模糊集理论 |
| 2.2.2 模糊决策树 |
| 2.3 模糊决策树算法 |
| 2.3.1 模糊ID3算法 |
| 2.3.2 模糊ID3实例 |
| 2.3.3 构建模糊ID3决策树模型 |
| 2.4 模糊决策树算法与决策树算法的对比 |
| 2.5 本章小结 |
| 3 模糊决策树在医学数据中的相关研究 |
| 3.1 医学数据集选取 |
| 3.2 医学数据中心点的确立 |
| 3.3 医学数据模糊化 |
| 3.4 医学数据分类模型的构建 |
| 3.5 实验结果与分析 |
| 3.5.1 分类模型的分类准确率对比 |
| 3.5.2 关联规则生成数量对比 |
| 3.6 本章小结 |
| 4 粒子群优化算法的改进 |
| 4.1 粒子群优化算法简介 |
| 4.2 基本粒子群优化算法 |
| 4.3 改进粒子群优化算法 |
| 4.4 实验与分析 |
| 4.4.1 实验环境和测试函数 |
| 4.4.2 对比函数 |
| 4.4.3 实验结果与分析 |
| 4.5 本章小结 |
| 5 优化模糊决策树在医学数据分类中的研究 |
| 5.1 改进粒子群算法优化模糊决策树 |
| 5.2 实验参数相关设置 |
| 5.3 实验结果与分析 |
| 5.3.1 在医学数据集上的相关实验 |
| 5.3.2 优化模型的部分分类结果 |
| 5.4 本文模型与其他分类方法的对比 |
| 5.5 本章小结 |
| 6 结论 |
| 6.1 工作总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（9）施工水域船舶智能避碰专家系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 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 船舶智能避碰研究现状 |
| 1.2.2 专家系统研究现状 |
| 1.3 主要研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 基本理论 |
| 2.1 人工智能 |
| 2.2 专家系统 |
| 2.3 船舶避碰自动化 |
| 2.4 模糊神经网络 |
| 2.4.1 模糊理论 |
| 2.4.2 神经网络 |
| 2.4.3 模糊神经网络 |
| 2.5 船舶碰撞影响因素 |
| 3 施工水域船舶避碰机理 |
| 3.1 通航施工水域 |
| 3.2 船舶领域模型 |
| 3.2.1 常见的船舶领域模型 |
| 3.2.2 通航施工水域船舶领域模型 |
| 3.3 安全通过距离模型 |
| 3.4 会遇态势判断模型 |
| 3.4.1 本船周围区域划分 |
| 3.4.2 船舶会遇态势判断模型 |
| 4 船舶碰撞危险度计算模型 |
| 4.1 碰撞危险度参数处理 |
| 4.1.1 航行参数的选取 |
| 4.1.2 航行参数的模糊化 |
| 4.2 碰撞危险度计算 |
| 4.2.1 碰撞危险度计算 |
| 4.2.2 碰撞危险度神经网络模型构建 |
| 4.3 环境危险度计算 |
| 4.3.1 环境危险度的提出和计算 |
| 4.3.2 环境危险度神经网络模型构建 |
| 5 智能避碰专家系统的构建和仿真 |
| 5.1 智能避碰专家系统的构建 |
| 5.2 智能避碰专家系统的仿真 |
| 5.2.1 对遇局面 |
| 5.2.2 追越局面 |
| 5.2.3 交叉相遇局面 |
| 总结 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（10）基于直觉模糊和点云数据的文物碎片匹配算法研究（论文提纲范文）
| 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 文物碎片分类算法研究现状 |
| 1.2.2 碎片匹配算法研究现状 |
| 1.3 研究内容及结构 |
| 1.4 本章小结 |
| 第二章 相关理论概述 |
| 2.1 基于点云的三维模型分类算法 |
| 2.2 直觉模糊理论 |
| 2.2.1 直觉模糊集的定义 |
| 2.2.2 隶属度函数 |
| 2.3 差分进化算法 |
| 2.4 本章小结 |
| 第三章 基于PointNet的文物碎片分类算法 |
| 3.1 问题的提出 |
| 3.2 基于PointNet的文物碎片分类算法 |
| 3.2.1 IF-PointNet网络结构 |
| 3.2.2 多尺度的生成 |
| 3.2.3 基于PointNet的文物分类算法描述 |
| 3.3 实验结果与分析 |
| 3.3.1 实验数据集及评价指标 |
| 3.3.2 实验结果及分析 |
| 3.4 本章小结 |
| 第四章 基于直觉模糊的文物碎片匹配算法 |
| 4.1 问题的提出 |
| 4.2 基于直觉模糊的多特征识别模型 |
| 4.2.1 破损文物表示 |
| 4.2.2 基于直觉模糊混合优化的多特征匹配模型 |
| 4.2.3 基于直觉模糊的多特征匹配算法描述 |
| 4.3 实验结果与分析 |
| 4.3.1 参数设置 |
| 4.3.2 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 基于学习潜能和差分进化算法的参数优化方法 |
| 5.1 问题的提出 |
| 5.2 基于学习潜能的差分进化算法 |
| 5.2.1 基于班德文效应的学习潜能挖掘 |
| 5.2.2 控制参数的自适应计算 |
| 5.2.3 基于学习潜能的差分进化算法描述 |
| 5.3 实验结果与分析 |
| 5.3.1 实验参数 |
| 5.3.2 实验结果及分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的科研成果 |
| 致谢 |
四、BP网在模糊集隶属函数上的应用研究与仿真（论文参考文献）
- [1]航天软件质量评价方法研究[D]. 王安邦. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021
- [2]基于QUATRE算法的温度PID控制方法研究[D]. 周裕文. 福建工程学院, 2021(02)
- [3]基于模糊神经网络的网络运行态势感知研究[D]. 何文雯. 电子科技大学, 2021(01)
- [4]广义模糊系统的权值优化智能算法[D]. 陈雪. 天津师范大学, 2021(11)
- [5]塑料挤出机温度控制系统研究与设计[D]. 黄红兵. 大连交通大学, 2020(06)
- [6]区间二型模糊神经网络在SCR入口NOx浓度软测量中的应用研究[D]. 李忠鹏. 兰州交通大学, 2020(01)
- [7]基于Petri网和过程挖掘的信用卡风险分析[D]. 王倩倩. 安徽理工大学, 2020(04)
- [8]优化模糊决策树在医学数据分类中的研究与应用[D]. 汪若晨. 兰州交通大学, 2020(01)
- [9]施工水域船舶智能避碰专家系统研究[D]. 汤国瑞. 大连海事大学, 2020(01)
- [10]基于直觉模糊和点云数据的文物碎片匹配算法研究[D]. 李岩. 西北大学, 2020(02)