| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.2 复数值RBF神经网络的研究现状 | 第11-13页 |
| 1.2.1 复数值RBF神经网络算法 | 第11-13页 |
| 1.2.2 复数值RBF神经网络的应用 | 第13页 |
| 1.3 论文研究内容和论文组织结构 | 第13-15页 |
| 第二章 RBF神经网络相关基础知识 | 第15-28页 |
| 2.1 复数值RBF神经网络模型 | 第15-20页 |
| 2.1.1 隐层实数型复数值RBF神经网络结构 | 第16-17页 |
| 2.1.2 隐层复数型复数值RBF神经网络结构 | 第17-20页 |
| 2.2 RBF神经网络的数学基础 | 第20-23页 |
| 2.2.1 内插问题 | 第20-22页 |
| 2.2.2 正则化网络 | 第22-23页 |
| 2.3 RBF神经网络算法介绍 | 第23-28页 |
| 2.3.1 基于聚类方法的混合算法 | 第24-25页 |
| 2.3.2 基于PSO的RBF神经网络算法 | 第25-28页 |
| 第三章 基于过滤候选中心和随机遍历的复数值RBF神经网络算法 | 第28-44页 |
| 3.1 前提知识 | 第28-33页 |
| 3.1.1 正交最小二乘法 | 第28-32页 |
| 3.1.2 正交最小二乘法中下降规律分析 | 第32-33页 |
| 3.2 随机遍历样本 | 第33-38页 |
| 3.2.1 重复加权增强搜索算法 | 第33-34页 |
| 3.2.2 忽略样本原因分析 | 第34-35页 |
| 3.2.3 随机遍历样本算法步骤 | 第35-37页 |
| 3.2.4 随机遍历样本算法流程图 | 第37-38页 |
| 3.3 过滤候选中心 | 第38-40页 |
| 3.3.1 下降规律破坏原因分析与过滤候选中心算法步骤 | 第38-40页 |
| 3.3.2 过滤候选中心算法流程图 | 第40页 |
| 3.4 应用实例 | 第40-43页 |
| 3.4.1 函数拟合 | 第40-41页 |
| 3.4.2 非线性信道模拟 | 第41-42页 |
| 3.4.3 模式识别 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于密度加权均值与梯度下降的复数值RBF神经网络算法 | 第44-62页 |
| 4.1 聚类估计 | 第45-46页 |
| 4.2 密度加权均值算法 | 第46-47页 |
| 4.3 基于密度加权均值和梯度下降的算法流程图 | 第47-48页 |
| 4.4 梯度下降算法 | 第48-54页 |
| 4.5 信道均衡的应用 | 第54-60页 |
| 4.5.1 实值非线性信道 | 第56-58页 |
| 4.5.2 复值线性信道 | 第58-59页 |
| 4.5.3 复值非线性信道 | 第59-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 基于重复加权全局优化的聚类估计复数值RBF神经网络算法 | 第62-74页 |
| 5.1 改进的聚类估计算法步骤和流程图 | 第62-64页 |
| 5.2 全局搜索优化算法与聚类估计结合 | 第64-68页 |
| 5.2.1 全局搜索算法介绍 | 第64-66页 |
| 5.2.2 算法步骤 | 第66-68页 |
| 5.3 直接计算法 | 第68-69页 |
| 5.4 梯度下降法 | 第69-70页 |
| 5.5 实验 | 第70-73页 |
| 5.5.1 实值非线性信道 | 第70-71页 |
| 5.5.2 复值线性信道 | 第71-72页 |
| 5.5.3 复值非线性信道 | 第72-73页 |
| 5.6 本章小结 | 第73-74页 |
| 第六章 结论与展望 | 第74-76页 |
| 6.1 工作总结 | 第74页 |
| 6.2 主要创新点 | 第74页 |
| 6.3 今后工作展望 | 第74-76页 |
| 参考文献 | 第76-83页 |
| 攻读硕士学位期间发表的论文 | 第83-84页 |
| 致谢 | 第84-85页 |
