改进的小波神经网络结构优化算法及其应用研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 论文研究背景 | 第9-11页 |
| 1.1.1 小波神经网络研究背景 | 第9-10页 |
| 1.1.2 脑电数据分类研究背景 | 第10-11页 |
| 1.2 论文的主要工作 | 第11-12页 |
| 1.3 论文组织结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 相关理论基础 | 第14-24页 |
| 2.1 小波神经网络 | 第14-19页 |
| 2.1.1 小波神经网络的基本结构 | 第14-15页 |
| 2.1.2 小波神经网络算法描述 | 第15-18页 |
| 2.1.3 小波神经网络算法缺陷 | 第18-19页 |
| 2.2 脑电数据相关理论 | 第19-21页 |
| 2.2.1 脑电数据采集 | 第19-20页 |
| 2.2.2 脑电数据预处理 | 第20页 |
| 2.2.3 脑电数据特征提取 | 第20-21页 |
| 2.2.4 脑电数据分类 | 第21页 |
| 2.2.5 脑电数据面临的技术问题 | 第21页 |
| 2.3 GA遗传算法 | 第21-23页 |
| 2.3.1 GA算法基本思想 | 第21-22页 |
| 2.3.2 GA算法描述 | 第22-23页 |
| 2.3.3 GA算法存在问题 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 改进的小波神经网络结构优化算法 | 第24-39页 |
| 3.1 激励函数的选择 | 第25-28页 |
| 3.1.1 建立小波母函数库 | 第25-26页 |
| 3.1.2 选取合适的小波母函数 | 第26-28页 |
| 3.2 确定隐含层节点 | 第28-31页 |
| 3.2.1 确定初始隐含层节点 | 第28-29页 |
| 3.2.2 判断最优隐含层节点 | 第29-30页 |
| 3.2.3 隐含层节点的更新 | 第30-31页 |
| 3.3 网络参数的调整 | 第31-32页 |
| 3.4 实验验证 | 第32-37页 |
| 3.4.1 数据集和参数初始化 | 第32-33页 |
| 3.4.2 实验结果 | 第33-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 改进的WNN在脑电数据分类中的应用 | 第39-59页 |
| 4.1 GA_HM脑电数据特征提取方法 | 第39-41页 |
| 4.2 脑电数据分类流程 | 第41-43页 |
| 4.2.1 实验和数据采集 | 第42-43页 |
| 4.2.2 数据预处理 | 第43页 |
| 4.3 实验结果对比 | 第43-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 总结和展望 | 第59-60页 |
| 5.1 论文总结 | 第59页 |
| 5.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士期间发表的论文 | 第65页 |
