导读:本文包含了自适应模糊聚类神经网络论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,模糊,算法,自适应,加热炉,灵敏度,粒子。
自适应模糊聚类神经网络论文文献综述
刘乐沁,邵奇,武燕[1]（2015）在《模糊聚类和混沌自适应粒子群的神经网络色彩匹配》一文中研究指出目的研究基于混沌理论、粒子群算法、模糊聚类和人工神经网络的色彩匹配模型。方法结合混沌理论和动态自适应策略,对粒子群算法进行改进,得到混沌自适应粒子群算法,并应用于径向基人工神经网络的基函数中心,以及扩展常数和网络权值的优化中;通过模糊聚类分类样本数据,得到混沌自适应粒子群径向基人工神经网络色彩匹配模型,并将模型与其他色彩匹配方法进行比较。结果CSAPSO RBF ANN色彩匹配模型的平均绝对误差、均方根误差和色差平均值分别为0.0106,0.000 96和1.9122。结论 CSAPSO RBF ANN色彩匹配模型具有良好的普遍性、通用性和泛化能力。(本文来源于《包装工程》期刊2015年09期）
包芳,潘永惠,须文波,孙俊[2]（2008）在《基于自适应动态目标函数的模糊聚类神经网络》一文中研究指出结合输入空间的聚类特性和输出空间实时逼近特性,在模糊聚类的目标函数中引入恰当的反馈因素,基于自适应动态目标函数,该文提出一种新的模糊聚类神经网络实现算法。该算法在收敛稳定性、收敛速度、初值敏感性方面,相对于传统模糊聚类算法有了明显改善,相关实验表明,该算法具备高效、稳定的工程应用价值。(本文来源于《计算机工程》期刊2008年11期）
郝敏[3]（2007）在《基于模糊聚类算法的自适应模糊神经网络研究》一文中研究指出随着科学技术的发展,现代工业变得越来越复杂,传统的控制方法已经远远不能满足高标准的性能要求。在这种情况下,智能控制理论被提出并逐渐发展起来。模糊神经网络是智能控制理论中一个十分活跃的分支,它是人工神经网络与模糊逻辑系统的有机结合,一方面弥补了纯模糊逻辑在学习方面的缺陷,另一方面使得神经网络这一“黑箱”问题走向透明化。模糊神经网络是一种能处理抽象信息的网络结构,具有强大的自学习和自整定功能。因此,模糊神经网络的发展对智能控制发展具有非常重要的意义。在模糊神经网络的发展过程中始终存在着这样一个难题,即结构辨识问题,也就是如何合适地划分输入输出空间,如何从观测数据中提取较为简化的模糊规则库以便于神经网络实现模糊输入、模糊推理、网络中的传播和最终结果的理解。聚类算法作为一种无监督的分类方法,它能按照一定的要求和规律对事物进行区分和分类。本文将聚类算法引入模糊神经网络,利用聚类算法来提取系统特征,优化输入输出空间,从而生成初始的、粗略的模糊规则库。在分析了模糊C均值(FCM)聚类算法缺陷的基础上,针对类别数的确定和聚类中心初始化这两方面的问题对FCM聚类算法进行了改进。依照改进算法的聚类结果生成规则数目和初始参数,并由此确定模糊神经网络的初始结构。在模糊神经网络的学习过程中,除了利用误差反向传播学习算法对参数进行修正外,还利用灵敏度剪枝算法对网络的结构进行进一步的优化,达到自适应调整网络结构和参数的目的,获得最优的模糊控制规则库。最后以函数逼近为例,验证了所提算法的有效性,说明了它在自适应能力、逼近精度等方面的优势,从而可将其有效地用于模糊建模和控制问题的求解。(本文来源于《哈尔滨理工大学》期刊2007-03-01）
欧阳春娟,欧阳迎春,杨群生[4]（2007）在《一种自适应模糊聚类神经网络滤波器设计》一文中研究指出为了获得滤除噪声和细节保留两方面更好的平衡,提出了一种自适应模糊聚类神经网络。采用模糊C—均值聚类算法对网络进行模糊化,利用改进的LMS算法对网络进行训练。仿真表明,与模糊BP神经网络及改进的BP神经网络相比,AFCN是一种性能较好的智能神经网络。(本文来源于《微计算机信息》期刊2007年06期）
何朝峰,邸建红[5]（2005）在《基于模糊聚类的自适应模糊神经网络》一文中研究指出本文将模糊C均值聚类和自适应神经模糊网络结合起来。模糊C均值聚类用于对输入变量空间进行划分,生成初始的模糊规则库,自适应模糊神经网络(ANFIS)选用最小二乘法和BP算法。与普通的模糊神经网络相比,这种模糊神经网络收敛速度快,建模精度高。(本文来源于《石家庄铁路职业技术学院学报》期刊2005年03期）
王锡淮,李少远,席裕庚[6]（2004）在《基于自适应模糊聚类的神经网络软测量建模方法》一文中研究指出提出一种基于模糊聚类的神经网络软测量建模方法.该方法采用数据分组训练、自动确定模糊分类数、在线测量时分类中心自适应修正,降低了计算量,提高了建模精度.将该算法用于步进式加热炉钢坯温度预报的仿真结果表明,它能够解决钢坯温度难以在线测量的问题.(本文来源于《控制与决策》期刊2004年08期）
张明之,林良骥,刘增武[7]（1998）在《一种结构自适应模糊聚类神经网络分类器的研究》一文中研究指出本文通过一种新的相似度度量概念，综合模糊C－means网、自适应谐振理论（ART－1）及模糊自组织映射网（FCN）的诸多优势，提出了一种综合的结构自适应模糊聚类神经网络。该网络具有类内聚集性强，类间可分性好的特点。通过对声纳目标信号分类试验表明，本文提出的结构自适应模糊聚类网，对比于BP网，具有迭代次数少、识别率高等明显优点，是一种具有实际应用价值的分类器模型。(本文来源于《舰船科学技术》期刊1998年03期）
自适应模糊聚类神经网络论文开题报告
（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：
结合输入空间的聚类特性和输出空间实时逼近特性,在模糊聚类的目标函数中引入恰当的反馈因素,基于自适应动态目标函数,该文提出一种新的模糊聚类神经网络实现算法。该算法在收敛稳定性、收敛速度、初值敏感性方面,相对于传统模糊聚类算法有了明显改善,相关实验表明,该算法具备高效、稳定的工程应用价值。
（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。
自适应模糊聚类神经网络论文参考文献
[1].刘乐沁,邵奇,武燕.模糊聚类和混沌自适应粒子群的神经网络色彩匹配[J].包装工程.2015
[2].包芳,潘永惠,须文波,孙俊.基于自适应动态目标函数的模糊聚类神经网络[J].计算机工程.2008
[3].郝敏.基于模糊聚类算法的自适应模糊神经网络研究[D].哈尔滨理工大学.2007
[4].欧阳春娟,欧阳迎春,杨群生.一种自适应模糊聚类神经网络滤波器设计[J].微计算机信息.2007
[5].何朝峰,邸建红.基于模糊聚类的自适应模糊神经网络[J].石家庄铁路职业技术学院学报.2005
[6].王锡淮,李少远,席裕庚.基于自适应模糊聚类的神经网络软测量建模方法[J].控制与决策.2004
[7].张明之,林良骥,刘增武.一种结构自适应模糊聚类神经网络分类器的研究[J].舰船科学技术.1998
论文知识图
