| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·神经网络的发展与研究现状 | 第7-9页 |
| ·量子进化的发展 | 第9-10页 |
| ·论文的主要工作和内容安排 | 第10-11页 |
| 第二章 径向基神经网络及量子进化基础 | 第11-23页 |
| ·径向基神经网络基础 | 第11-20页 |
| ·径向基神经网络的提出及特点 | 第11-13页 |
| ·径向基函数网络的正规化 | 第13-16页 |
| ·径向基函数网络参数的确定及学习 | 第16-20页 |
| ·量子进化基础 | 第20-23页 |
| ·量子遗传算法(Quantum Genetic Algorithm,QGA) | 第20页 |
| ·量子进化规划(Quantum Evolutionary Programming,QEP) | 第20页 |
| ·量子进化策略(Quantum Evolutionary Strategies,QES) | 第20-23页 |
| 第三章 基于量子进化RBF网络的纹理图像分类 | 第23-39页 |
| ·量子进化算法 | 第23-25页 |
| ·量子进化基本概念 | 第23-24页 |
| ·量子染色体的机理和优点 | 第24页 |
| ·量子染色体变异策略 | 第24-25页 |
| ·纹理图像的特征提取 | 第25-29页 |
| ·基于小波变换的子带特征提取 | 第25-27页 |
| ·基于灰度共生矩阵的子带特征提取 | 第27-28页 |
| ·基于小波变换和灰度共生矩阵的特征提取 | 第28-29页 |
| ·基于量子进化算法的RBF网络参数优化 | 第29-34页 |
| ·基于量子进化算法的RBF函数中心选取 | 第31-32页 |
| ·基于量子进化的RBF方差及输出权值学习 | 第32-33页 |
| ·基于量子进化的RBF网络权值向量修剪 | 第33-34页 |
| ·实验对比及结果分析 | 第34-36页 |
| ·本章小结 | 第36-39页 |
| 第四章 基于量子进化RBF网络与Contourlet变换的SAR图像分类 | 第39-47页 |
| ·SAR图像分类技术 | 第39-40页 |
| ·SAR图像的特征提取 | 第40-44页 |
| ·基于Contourlet变换的图像特征提取 | 第40-42页 |
| ·基于Hu不变矩变换的图像特征提取 | 第42-43页 |
| ·基于Contourlet变换和Hu不变矩变换的特征提取 | 第43-44页 |
| ·基于量子进化算法优化RBF网络的SAR图像分类 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 研究成果 | 第55页 |
