| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-15页 |
| ·神经网络基本概念和发展 | 第9-12页 |
| ·人工神经元模型 | 第10-11页 |
| ·神经网络训练和学习 | 第11-12页 |
| ·小波神经网络概述 | 第12-13页 |
| ·小波神经网络发展概况 | 第12页 |
| ·小波神经网络的优点和不足 | 第12-13页 |
| ·课题研究背景和意义 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第二章 小波神经网络理论基础 | 第15-22页 |
| ·小波理论基础 | 第15-17页 |
| ·小波变换的定义和性质 | 第15-16页 |
| ·小波变换的时频分析 | 第16-17页 |
| ·小波神经网络原理 | 第17-22页 |
| ·小波神经网络的原理和结构 | 第17-20页 |
| ·连续参数小波神经网络 BP 算法训练步骤 | 第20-22页 |
| 第三章 小波神经网络的学习算法和构造研究 | 第22-50页 |
| ·小波神经网络中的学习算法的优化 | 第22-23页 |
| ·小波神经网络优化学习算法研究 | 第22-23页 |
| ·粒子群优化算法 | 第23-35页 |
| ·粒子群算法数学模型 | 第24-25页 |
| ·粒子群优化算法的改进 | 第25-26页 |
| ·自适应变异协同粒子群优化算法 | 第26-35页 |
| ·协同粒子群优化算法 | 第26-28页 |
| ·实验与分析 | 第28-30页 |
| ·自适应变异协同粒子群优化算法 | 第30-31页 |
| ·自适应变异协同粒子群优化算法流程 | 第31-32页 |
| ·实验和分析 | 第32-35页 |
| ·使用自适应变异协同粒子群优化算法训练小波神经网络参数 | 第35-43页 |
| ·算法的基本思想 | 第35-36页 |
| ·实验和分析 | 第36-43页 |
| ·基于框架小波理论的神经网络构造和学习算法研究 | 第43-50页 |
| ·小波框架和框架重构理论 | 第44-46页 |
| ·一种基于框架小波理论的神经网络构造方法 | 第46-50页 |
| ·框架小波的神经网络的研究现状 | 第46-47页 |
| ·一种基于框架小波理论的神经网络构造 | 第47-48页 |
| ·实验和分析 | 第48-50页 |
| 第四章 预测和分类实验 | 第50-60页 |
| ·基于本文算法的连续小波神经网络在预测中的实验 | 第50-53页 |
| ·定性预测 | 第50-51页 |
| ·定量预测模型 | 第51-53页 |
| ·指数平滑法 | 第51页 |
| ·时间序列预测法 | 第51-52页 |
| ·灰色模型 | 第52-53页 |
| ·回归预测模型 | 第53页 |
| ·基于自适应变异协同粒子群的小波神经网络预测模型 | 第53-58页 |
| ·基于小波神经网络的 UCI 样本分类实验 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表文章 | 第66页 |
| 个人实习经历 | 第66页 |