基于模糊信息的應(yīng)用技術(shù)研究

第1章 引論 1.1 研究背景 1.2 基于模糊信息的智能技術(shù)研究現(xiàn)狀 1.3 智能技術(shù)在中醫(yī)癥狀鑒別領(lǐng)域的研究現(xiàn)狀 1.4 主要研究?jī)?nèi)容第2章 支持向量機(jī)的基本理論 2.1 最大間隔超平面 2.2 支持向量機(jī)分類算法 2.2.1 線性可分情況 2.2.2 廣義線性可分情況 2.2.3 非線性可分情況 2.3 支持向量機(jī)回歸理論 2.4 統(tǒng)計(jì)學(xué)習(xí)理論的核心內(nèi)容 2.5 小結(jié)第3章 基于Fuzzy理論的支持向量機(jī) 3.1 預(yù)備知識(shí) 3.1.1 模糊機(jī)會(huì)約束規(guī)劃 3.1.2 分類問(wèn)題中的模糊信息表示方法 3.2 模糊分類的支持向量機(jī) 3.3 模糊線性可分類的支持向量機(jī) 3.4 含有模糊信息的廣義線性可分情況 3.5 含有模糊信息的非線性可分情況 3.6 閾值的確定 3.7 實(shí)驗(yàn)分析 3.8 小結(jié)第4章 支持向量機(jī)應(yīng)用研究 4.1 支持向量機(jī)實(shí)現(xiàn)算法研究 4.2 最小二乘支持向量機(jī)參數(shù)的遺傳算法研究 4.2.1 最小二乘支持向量機(jī) 4.2.2 LS-SVM參數(shù)的遺傳算法研究 4.2.3 控制圖模式數(shù)據(jù)描述 4.2.4 模式分類方案設(shè)計(jì) 4.2.5 實(shí)驗(yàn)分析 4.3 支持向量機(jī)在燒結(jié)礦化學(xué)成分預(yù)測(cè)中的應(yīng)用 4.3.1 智能技術(shù)在對(duì)燒結(jié)礦成分進(jìn)行預(yù)測(cè)領(lǐng)域的研究現(xiàn)狀 4.3.2 燒結(jié)工藝特點(diǎn)與預(yù)測(cè)系統(tǒng)的配置結(jié)構(gòu) 4.3.3 數(shù)據(jù)的標(biāo)準(zhǔn)化處理 4.3.4 非線性回歸估計(jì)算法 4.3.5 實(shí)驗(yàn)分析 4.4 核心設(shè)計(jì)源代碼 4.5 小結(jié)第5章 改進(jìn)的最短距離聚類算法 5.1 聚類算法 5.2 鄰近聚類算法 5.2.1 概念及定義 5.2.2 基于距離的搜索算法 5.2.3 基于閾值的鄰近聚類算法 5.2.4 近鄰聚類算法 5.3 多重聚類算法 5.4 實(shí)驗(yàn)分析 5.5 小結(jié)第6章 仿生計(jì)算與基因表達(dá)式編程 6.1 仿生計(jì)算 6.2 基因表達(dá)式編程 6.3 初始種群基因設(shè)計(jì) 6.3.1 初始種群產(chǎn)生方式 6.3.2 基因空間均勻產(chǎn)生方案 6.4 實(shí)驗(yàn)分析 6.5 小結(jié)第7章 中醫(yī)癥狀鑒別智能診斷系統(tǒng) 7.1 中醫(yī)癥狀鑒別智能診斷系統(tǒng)現(xiàn)狀 7.2 系統(tǒng)設(shè)計(jì) 7.2.1 系統(tǒng)特色 7.2.2 方劑知識(shí)挖掘子系統(tǒng)的結(jié)構(gòu) 7.2.3 方劑知識(shí)挖掘子系統(tǒng)的功能 7.3 系統(tǒng)的實(shí)現(xiàn) 7.3.1 數(shù)據(jù)庫(kù)設(shè)計(jì) 7.3.2 方劑數(shù)據(jù)挖掘?qū)嵤┻^(guò)程 7.4 數(shù)據(jù)輸入與預(yù)處理 7.4.1 過(guò)濾噪聲數(shù)據(jù) 7.4.2 藥名、癥狀、功效規(guī)范化 7.4.3 劑量單位規(guī)范化 7.5 個(gè)方分析 7.5.1 挖掘性、味、歸經(jīng) 7.5.2 挖掘功效 7.5.3 證癥挖掘 7.5.4 類方分析 7.6 臨床癥狀鑒別診斷子系統(tǒng)主要功能 7.7 核心設(shè)計(jì)源代碼 7.8 小結(jié)第8章 圖像分割與影像快速融合 8.1 基于小波域多尺度Markov網(wǎng)模型的圖像分割方法 8.1.1 背景技術(shù) 8.1.2 過(guò)程描述 8.1.3 技術(shù)上的創(chuàng)新 8.1.4 附圖說(shuō)明 8.1.5 具體實(shí)施過(guò)程 8.2 結(jié)合MRF和神經(jīng)網(wǎng)絡(luò)的多尺度彩色紋理圖像分割方法 8.2.1 技術(shù)背景 8.2.2 過(guò)程描述 8.2.3 技術(shù)上的創(chuàng)新 8.2.4 附圖說(shuō)明 8.2.5 具體實(shí)施過(guò)程 8.3 基于三層FCM聚類的小波域多尺度非監(jiān)督紋理分割算法 8.3.1 背景技術(shù) 8.3.2 過(guò)程描述 8.3.3 技術(shù)上的創(chuàng)新 8.3.4 附圖說(shuō)明 8.3.5 具體實(shí)施過(guò)程 8.4 遙感影像快速融合系統(tǒng)及實(shí)現(xiàn)方法 8.4.1 背景技術(shù) 8.4.2 技術(shù)創(chuàng)新與過(guò)程描述 8.4.3 附圖說(shuō)明 8.4.4 具體實(shí)施過(guò)程 8.5 基于圖像處理的甲骨碎片綴合方法 8.5.1 背景技術(shù) 8.5.2 過(guò)程描述 8.5.3 附圖說(shuō)明 8.5.4 具體實(shí)施過(guò)程第9章 安全設(shè)計(jì)與信息檢索優(yōu)化方法 9.1 無(wú)證書盲環(huán)簽名方法 9.1.1 背景技術(shù) 9.1.2 過(guò)程描述 9.1.3 技術(shù)上的創(chuàng)新 9.1.4 附圖說(shuō)明 9.1.5 具體實(shí)施過(guò)程 9.2 基于身份的門限環(huán)簽名方法 9.2.1 背景技術(shù) 9.2.2 過(guò)程描述 9.2.3 技術(shù)上的創(chuàng)新 9.2.4 附圖說(shuō)明 9.2.5 具體實(shí)施過(guò)程 9.3 標(biāo)準(zhǔn)模型下基于身份的門限環(huán)簽密方法 9.3.1 背景技術(shù) 9.3.2 過(guò)程描述 9.3.3 技術(shù)上的創(chuàng)新 9.3.4 附圖說(shuō)明 9.3.5 具體實(shí)施過(guò)程 9.4 基于領(lǐng)域本體的信息檢索優(yōu)化方法 9.4.1 背景技術(shù) 9.4.2 過(guò)程描述 9.4.3 技術(shù)上的創(chuàng)新 9.4.4 附圖說(shuō)明 9.4.5 具體實(shí)施過(guò)程 9.5 基于語(yǔ)義匹配驅(qū)動(dòng)的自然語(yǔ)言知識(shí)獲取方法 9.5.1 背景技術(shù) 9.5.2 過(guò)程描述 9.5.3 技術(shù)上的創(chuàng)新 9.5.4 附圖說(shuō)明 9.5.5 具體實(shí)施過(guò)程 9.6 基于雙子的自適應(yīng)雙子和聲優(yōu)化方法(SGHS) 9.6.1 背景技術(shù) 9.6.2 過(guò)程描述 9.6.3 技術(shù)上的創(chuàng)新 9.6.4 附圖說(shuō)明 9.6.5 具體實(shí)施過(guò)程第10章 優(yōu)化設(shè)計(jì)與決策支持 10.1 多專家動(dòng)態(tài)協(xié)調(diào)評(píng)判方法 10.1.1 背景技術(shù) 10.1.2 過(guò)程描述 10.1.3 技術(shù)上的創(chuàng)新 10.1.4 附圖表說(shuō)明 10.1.5 具體實(shí)施過(guò)程 10.2 一種錯(cuò)字字形編輯、編碼和輸入方法及系統(tǒng) 10.2.1 背景技術(shù) 10.2.2 過(guò)程描述 10.2.3 技術(shù)上的創(chuàng)新 10.2.4 附圖說(shuō)明 10.2.5 具體實(shí)施過(guò)程 10.3 基于視覺信息的機(jī)器人沿引導(dǎo)線巡線導(dǎo)航方法 10.3.1 背景技術(shù) 10.3.2 過(guò)程描述 10.3.3 技術(shù)上的創(chuàng)新 10.3.4 附圖說(shuō)明 10.3.5 具體實(shí)施過(guò)程 10.4 海洋平臺(tái)非線性系統(tǒng)半主動(dòng)最優(yōu)振動(dòng)控制方法 10.4.1 背景技術(shù) 10.4.2 過(guò)程描述 10.4.3 技術(shù)上的創(chuàng)新 10.4.4 附圖說(shuō)明 10.4.5 具體實(shí)施過(guò)程 10.5 基于灰色殘差修正支持向量機(jī)模型的燒結(jié)礦轉(zhuǎn)鼓強(qiáng)度預(yù)測(cè)方法 10.5.1 背景技術(shù) 10.5.2 過(guò)程描述 10.5.3 技術(shù)上的創(chuàng)新 10.5.4 附圖表說(shuō)明 10.5.5 具體實(shí)施過(guò)程第11章 智能控制技術(shù) 11.1 連續(xù)攪拌反應(yīng)釜的自適應(yīng)模糊動(dòng)態(tài)面控制裝置和控制方法 11.1.1 背景技術(shù) 11.1.2 過(guò)程描述 11.1.3 技術(shù)上的創(chuàng)新 11.1.4 附圖說(shuō)明 11.1.5 具體實(shí)施過(guò)程 11.2 平板式靜電微執(zhí)行器的新型控制裝置和控制方法 11.2.1 背景技術(shù) 11.2.2 過(guò)程描述 11.2.3 技術(shù)上的創(chuàng)新 11.2.4 附圖說(shuō)明 11.2.5 具體實(shí)施過(guò)程第12章 第四方物流多屬性指派決策機(jī)制 12.1 帶有整合的第四方物流多屬性指派決策機(jī)制 12.1.1 集成定義 12.1.2 確定整合下的隨機(jī)解、正理想解和負(fù)理想解 12.1.3 基于TOPSIS法的帶有整合的決策模型 12.1.4 遺傳算法實(shí)現(xiàn) 12.1.5 算例求解及分析 12.1.6 小結(jié) 12.2 無(wú)整合的第四方物流多屬性指派決策機(jī)制 12.2.1 問(wèn)題描述和屬性體系分析 12.2.2 基于TOPSIS法的指派決策模型 12.2.3 遺傳算法實(shí)現(xiàn) 12.2.4 算例求解及分析 12.2.5 小結(jié) 12.3 基于客戶滿意度的第四方物流多屬性指派決策機(jī)制 12.3.1 客戶滿意度屬性體系 12.3.2 建立模型 12.3.3 計(jì)算實(shí)例 12.3.4 小結(jié)參考文獻(xiàn)后記