| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题研究的目的和意义 | 第9-11页 |
| ·国内外研究的现状 | 第11-12页 |
| ·神经网络的研究现状 | 第11页 |
| ·信息融合的研究现状 | 第11-12页 |
| ·本文研究的主要内容和章节安排 | 第12-13页 |
| 第2章 信息融合的理论和算法研究 | 第13-41页 |
| ·引言 | 第13页 |
| ·信息融合的基本原理和优势 | 第13-14页 |
| ·信息融合的算法研究 | 第14-22页 |
| ·Bayes理论 | 第14-17页 |
| ·聚类算法 | 第17-20页 |
| ·模糊判决法 | 第20-21页 |
| ·神经网络 | 第21-22页 |
| ·神经网络的算法研究 | 第22-35页 |
| ·人工神经网络 | 第22-23页 |
| ·BP网络学习算法及存在的问题分析 | 第23-27页 |
| ·LMBP网络学习算法及存在的问题分析 | 第27-30页 |
| ·改进的LMBP学习算法 | 第30-32页 |
| ·改进的LMBP学习算法的步骤 | 第32-33页 |
| ·改进的LMBP学习算法在Matlab上的实现 | 第33-35页 |
| ·模糊推理与神经网络相结合的算法 | 第35-40页 |
| ·模糊识别过程 | 第35页 |
| ·模型的结构 | 第35-38页 |
| ·应用神经网络进行模糊处理的过程 | 第38-39页 |
| ·应用改进的LMBP算法调节网络参数 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 自扩展聚类算法及在模糊BP网络中的应用 | 第41-59页 |
| ·引言 | 第41页 |
| ·自组织聚类的算法分析 | 第41-44页 |
| ·基于密度网格可变参数的自扩展聚类算法 | 第44-51页 |
| ·基于密度单元的自扩展聚类算法 | 第44-45页 |
| ·改进的基于密度网格可变参数的自扩展聚类算法(PASCDU) | 第45-48页 |
| ·SECDU算法和PASCDU算法的实验结果对比 | 第48-51页 |
| ·PASCDU算法在模糊BP网络中的应用 | 第51-58页 |
| ·模糊BP神经网络的结构设计 | 第51-52页 |
| ·模糊BP神经网络的参数确定 | 第52-54页 |
| ·模糊BP神经网络的学习算法 | 第54-57页 |
| ·PASCDU算法在模糊BP网络中的应用 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第4章 仿真实验 | 第59-64页 |
| ·改进的LMBP神经网络算法在信息融合中的应用 | 第59-63页 |
| ·单一神经网络和神经网络组的实验 | 第59页 |
| ·单一神经网络和神经网络组的收敛比较 | 第59-61页 |
| ·用改进的LMBP算法的神经网络进行信息融合 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 个人简历 | 第72页 |