| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·问题的提出 | 第9-10页 |
| ·研究背景与现状 | 第10-14页 |
| ·测量数据处理和误差理论的缺陷 | 第11-12页 |
| ·最大熵方法的研究背景与现状 | 第12-13页 |
| ·最小熵和最大最小信息测度的研究背景与现状 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·本文的主要研究内容和结构安排 | 第15-16页 |
| 第二章 最大熵方法在测量数据处理中的应用 | 第16-33页 |
| ·基本概念 | 第16-20页 |
| ·信息论简介 | 第16-17页 |
| ·熵、信息及信息熵 | 第17-19页 |
| ·最大信息熵原理表述 | 第19-20页 |
| ·最大熵方法在数据处理中的应用 | 第20-33页 |
| ·用熵判断误差分布律 | 第20-21页 |
| ·用最大熵方法求解概率密度函数 | 第21-27页 |
| ·求解概率密度函数的程序以及优化子程序 | 第27-33页 |
| 第三章 最小熵方法在测量数据处理中的应用 | 第33-48页 |
| ·最小熵方法 | 第33-35页 |
| ·最小熵方法简介 | 第33-34页 |
| ·特定矩约束下的最小熵计算方法 | 第34-35页 |
| ·最大最小信息测度 | 第35-39页 |
| ·最大最小信息测度简介 | 第35-36页 |
| ·最大最小信息测度方法 | 第36-39页 |
| ·Hopfield 神经网络与模拟退火算法相结合求解最小熵值 | 第39-48页 |
| ·Hopfield 神经网络简介 | 第39页 |
| ·Hopfield 神经网络优化算法 | 第39-42页 |
| ·模拟退火算法 | 第42-44页 |
| ·熵最小值的求解方法 | 第44-48页 |
| 第四章 实验系统及验证 | 第48-63页 |
| ·获得测量数据值的实验简述 | 第48-49页 |
| ·数据的选取原则 | 第49-63页 |
| ·最大熵方法应用的分析 | 第49-54页 |
| ·测量数据的最小熵方法和最大最小信息测度分析 | 第54-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 攻读硕士期间取得的研究成果 | 第68-69页 |