| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的学术背景和研究意义 | 第10-11页 |
| ·PSO 算法和RBF 网络的发展及研究现状 | 第11-14页 |
| ·PSO 算法的发展及研究现状 | 第11-12页 |
| ·RBF 网络的发展及研究现状 | 第12-14页 |
| ·板形预测模型的研究现状及存在的主要问题 | 第14-16页 |
| ·传统的板形预测建模方法 | 第14页 |
| ·基于神经网络的板形预测建模方法 | 第14-16页 |
| ·神经网络与智能算法结合的板形预测建模方法 | 第16页 |
| ·研究内容及论文组织结构 | 第16-18页 |
| 第2章 PSO 算法研究与改进 | 第18-31页 |
| ·概述 | 第18-19页 |
| ·基本PSO 算法 | 第19-22页 |
| ·算法原理 | 第19-21页 |
| ·算法优化能力分析 | 第21-22页 |
| ·PSO 算法的改进 | 第22-27页 |
| ·基本PSO 算法缺陷及改进策略 | 第22-24页 |
| ·混沌优化算法 | 第24-25页 |
| ·改进的PSO 算法 | 第25-27页 |
| ·函数实验结果与分析 | 第27-30页 |
| ·测试函数 | 第27-28页 |
| ·评价标准 | 第28-29页 |
| ·参数设置 | 第29页 |
| ·测试结果 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 RBF 网络与MPSO-RBF 混合优化策略 | 第31-46页 |
| ·概述 | 第31页 |
| ·RBF 网络原理分析 | 第31-33页 |
| ·RBF 网络数学模型及其学习算法 | 第33-36页 |
| ·MPSO-RBF 混合优化策略 | 第36-41页 |
| ·数据预处理及隐含层单元数确定 | 第36-37页 |
| ·MPSO-RBF 策略基本思想 | 第37页 |
| ·MPSO-RBF 策略操作设计与算法流程 | 第37-41页 |
| ·基于MPSO(PSO)-RBF 网络的仿真实例 | 第41-45页 |
| ·Hermit 多项式的逼近 | 第41-44页 |
| ·Iris 分类问题 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于MPSO-RBF 网络板形预测模型研究 | 第46-61页 |
| ·概述 | 第46-47页 |
| ·板形的相关知识 | 第47-52页 |
| ·板形的定义 | 第47-48页 |
| ·板形的表示方法 | 第48-49页 |
| ·板形的基本模式 | 第49-51页 |
| ·板形缺陷及影响板形的主要因素 | 第51-52页 |
| ·基于MPSO-RBF 网络的板形预测模型 | 第52-55页 |
| ·基于MPSO-RBF 网络的非线性系统辨识 | 第52-54页 |
| ·板形预测模型的建立 | 第54-55页 |
| ·仿真实验 | 第55-59页 |
| ·实验条件 | 第56页 |
| ·实验内容 | 第56-57页 |
| ·实验结果 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |