| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 研究述评 | 第14-15页 |
| 1.3 主要的预测方法 | 第15-16页 |
| 1.4 论文的主要工作 | 第16-17页 |
| 1.5 论文的结构安排 | 第17-18页 |
| 第二章 径向基函数神经网络的基本原理 | 第18-25页 |
| 2.1 人工神经网络的发展 | 第18-19页 |
| 2.2 人工神经网络的基本原理及特点 | 第19-21页 |
| 2.3 RBF神经网络的结构和特点 | 第21-23页 |
| 2.4 RBF神经网络与BP神经网络对比 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 智能群优化算法 | 第25-44页 |
| 3.0 RBF神经网络隐层参数的确定 | 第25-27页 |
| 3.1 遗传算法 | 第27-33页 |
| 3.1.1 遗传算法的原理 | 第27-30页 |
| 3.1.2 遗传算法在RBF神经网络的应用 | 第30-32页 |
| 3.1.3 遗传算法的优缺点分析 | 第32-33页 |
| 3.2 粒子群算法 | 第33-37页 |
| 3.2.1 粒子群算法的原理 | 第33-35页 |
| 3.2.2 粒子群算法在RBF神经网络的应用 | 第35-36页 |
| 3.2.3 粒子群算法的优缺点分析 | 第36-37页 |
| 3.3 萤火虫算法 | 第37-43页 |
| 3.3.1 萤火虫算法的原理 | 第37页 |
| 3.3.2 萤火虫算法相关概念 | 第37-39页 |
| 3.3.3 萤火虫算法在RBF神经网络的应用 | 第39-41页 |
| 3.3.4 萤火虫算法的改进 | 第41-42页 |
| 3.3.5 萤火虫算法的优缺点分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 实验与分析 | 第44-59页 |
| 4.1 实验 | 第44-52页 |
| 4.1.1 实验数据及预处理 | 第44-46页 |
| 4.1.2 参数设置 | 第46页 |
| 4.1.3 基于遗传算法优化的RBF神经网络实验 | 第46-48页 |
| 4.1.4 基于粒子群算法优化的RBF神经网络实验 | 第48-50页 |
| 4.1.5 基于萤火虫算法优化的RBF神经网络实验 | 第50-52页 |
| 4.2 实验结果的分析 | 第52-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士期间取得的成果 | 第66-67页 |
| 致谢 | 第67页 |