| 【中文题名】 | 基于神经网络的模糊智能系统的研究与实现 |
| 【英文题名】 | Research and Implementation of Fuzzy Intelligent System Based on Neural Networks |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-7-12 |
| 【中关键词】 | T-S,模糊推理模型,聚类分析,模糊神经网络,知识获取,J2EE |
| 【英关键词】 | T-S Fuzzy Inference Model,Clustering Analysis,Fuzzy Neural Networks,Knowledge Acquisition,J2EE, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 本文旨在研究与实现适合 Internet 网络应用的基于 T-S 模糊推理模型的智能系统平台。研究了神经网络结合聚类分析进行模糊智能系统知识获取的方法;采用符合 J2EE规范的分布式组件结构模型开发了 B/S 模式的模糊智能系统平台。
系统采用神经网络结合聚类分析的方法进行模糊知识获取。分析了 T-S 模糊神经网络的结构和学习算法,为了提高模糊神经网络的推理精度,引入了聚类分析数据挖掘方法,分析了常用的聚类分析算法;提出了采用顺序聚类结合 ISODATA 聚类算法来确定T-S 模糊神经网络的规则数和初始化参数,再通过梯度下降法修正网络的各参数值,最终获取知识规则,通过实例验证了该算法的可行性。对于知识表示方法,设计了知识规则的 XML 模型和 JAVA 类;获取的知识规则以 XML 文件的形式被保存;在推理时,知识文件被解析为 JAVA 类对象。
对于推理方向的选择,采用正反混合推理的先进行反向推理再进行正向推理的方式;对于搜索策略的选择,选取了深度优先的搜索策略,用递归的方法来实现;当在知识库中搜索到相应的知识规则后,采用 T-S 模糊推理模型的求解策略进行求解。
分析了 J2EE 平台的... |
| 【论文题纲】 |
|
1 绪论 |
8-14 |
|
1.1 引言 |
8-9 |
|
1.2 神经模糊智能系统的历史和现状 |
9-13 |
|
1.3 本文的主要工作 |
13-14 |
|
2 模糊系统和神经网络理论 |
14-23 |
|
2.1 模糊系统的基本理论 |
14-16 |
|
2.1.1 模糊集合的基本理论 |
14-15 |
|
2.1.2 模糊推理理论 |
15 |
|
2.1.3 T-S 模糊推理模型 |
15-16 |
|
2.2 人工神经网络基本原理 |
16-19 |
|
2.2.1 人工神经元 |
16-17 |
|
2.2.2 人工神经网络 |
17-18 |
|
2.2.3 多层前馈型神经网络 |
18-19 |
|
2.3 T-S 模糊神经网络 |
19-22 |
|
2.4 本章小结 |
22-23 |
|
3 T－S 模糊神经网络的规则提取 |
23-36 |
|
3.1 聚类分析在模糊神经网络中的应用 |
23-25 |
|
3.1.1 聚类分析引入模糊神经网络的必要性 |
23 |
|
3.1.2 聚类算法分析 |
23-25 |
|
3.1.3 聚类算法应用于模糊神经网络 |
25 |
|
3.2 改进的T-S 模糊神经网络 |
25-31 |
|
3.2.1 改进的模糊神经网络结构 |
25-27 |
|
3.2.2 网络的前向传播过程 |
27 |
|
3.2.3 网络参数学习算法 |
27-31 |
|
3.3 算法的实验及结果分析 |
31-35 |
|
3.3.1 T-S 模糊神经网络的建立 |
31-34 |
|
3.3.2 实验结果 |
34-35 |
|
3.4 本章小结 |
35-36 |
|
4 基于J2EE 的系统的总体设计 |
36-43 |
|
4.1 J2EE 体系结构 |
36-38 |
|
4.1.1 J2EE 平台概述 |
36 |
|
4.1.2 J2EE 组件和层次 |
36-38 |
|
4.2 系统的分析设计 |
38-42 |
|
4.2.1 智能系统的体系结构 |
38-39 |
|
4.2.2 系统的用例建模 |
39-40 |
|
4.2.3 基于J2EE 的系统设计 |
40-42 |
|
4.2.4 系统的运行环境和开发工具的选择 |
42 |
|
4.3 本章小结 |
42-43 |
|
5 知识获取模块的设计与实现 |
43-53 |
|
5.1 模糊神经网络的知识表示 |
43-47 |
|
5.1.1 XML 文件在知识表示中的应用 |
43-44 |
|
5.1.2 模糊神经网络的面向对象知识表示 |
44-47 |
|
5.2 知识获取EJB 组件的设计与实现 |
47-48 |
|
5.2.1 模糊神经网络学习算法的neuralstudy EJB 实现 |
47 |
|
5.2.2 写XML 文件的writexml EJB 实现 |
47-48 |
|
5.3 知识获取Web 组件的实现 |
48-49 |
|
5.4 知识获取模块的顺序图 |
49-50 |
|
5.5 知识获取运行示例 |
50-52 |
|
5.6 本章小结 |
52-53 |
|
6 客户应用模块的设计与实现 |
53-64 |
|
6.1 客户应用模块业务流程 |
53-54 |
|
6.2 推理控制策略 |
54-56 |
|
6.2.1 推理方向的选择 |
54-55 |
|
6.2.2 推理的搜索策略 |
55 |
|
6.2.3 推理的求解策略 |
55-56 |
|
6.3 模块中各组件的设计框架 |
56 |
|
6.4 模块中EJB 组件的设计与实现 |
56-60 |
|
6.4.1 文件解析xmlparser EJB 的设计 |
56-58 |
|
6.4.2 搜索推理会话fuzrea EJB 的设计与实现 |
58-60 |
|
6.5 模块中Web 组件的设计与实现 |
60-61 |
|
6.5.1 reasonserv Servlet 的设计与实现 |
60 |
|
6.5.2 resultserv Servlet 的设计与实现 |
60-61 |
|
6.6 客户应用模块各对象的协作图 |
61-62 |
|
6.7 客户应用运行示例演示 |
62-63 |
|
6.8 本章小结 |
63-64 |
|
7 结论 |
64-65 |
|
致谢 |
65-66 |
|
参考文献 |
66-68 |
|
附录 |
68-78 |
|
| 【DOI】 | LunWen.ID:2.2008.387371 |
