| 致谢 | 第4-5页 |
| 中文摘要 | 第5-7页 |
| 目录 | 第7-10页 |
| 图表目录 | 第10-15页 |
| 第一章 绪论 | 第15-37页 |
| 1．1 概述 | 第15-16页 |
| 1．2 人工神经网络的产生 | 第16-17页 |
| 1．3 神经网络研究与发展的简况 | 第17-19页 |
| 1．4 神经网络的特点及存在的问题 | 第19-20页 |
| 1．5 前向神经网络介绍 | 第20-24页 |
| 1．5．1 反向传播算法(BP算法) | 第21-22页 |
| 1．5．2 交叉验证和训练尽早停止 | 第22-24页 |
| 1．6 神经网络集成的研究 | 第24-35页 |
| 1．6．1 神经网络集成的定义 | 第24-25页 |
| 1．6．2 神经网络集成的研究进展 | 第25-35页 |
| 1．7 本文的内容组织与安排 | 第35-37页 |
| 第二章 个体网络生成过程及测试数据集介绍 | 第37-52页 |
| 2．1 个体网络的生成方法 | 第37-40页 |
| 2．1．1 Bagging | 第38页 |
| 2．1．2 Boosting | 第38-40页 |
| 2．1．3 Bagging和Boosting的差异 | 第40页 |
| 2．2 个体网络生成过程 | 第40-41页 |
| 2．3 实验数据集 | 第41-43页 |
| 2．4 预测精度 | 第43页 |
| 2．5 偏向和差异分析 | 第43-44页 |
| 2．6 神经网络集成中一般方法的结果分析 | 第44-52页 |
| 2．6．1 预测精度的比较分析 | 第44-48页 |
| 2．6．2 误差的偏向 - 差异分析 | 第48-52页 |
| 第三章 应用GA进行神经网络集成优化的研究 | 第52-70页 |
| 3．1 理论分析与实现思路 | 第52-57页 |
| 3．1．1 理论分析 | 第52-55页 |
| 3．1．2 实现思路 | 第55-57页 |
| 3．2 遗传算法介绍 | 第57-59页 |
| 3．2．1 遗传算法概要 | 第57-58页 |
| 3．2．2 遗传算法的运算过程 | 第58-59页 |
| 3．2．3 遗传算法的特点 | 第59页 |
| 3．3 实现方法 | 第59-61页 |
| 3．4 试验结果分析 | 第61-70页 |
| 3．4．1 预测精度分析 | 第61-65页 |
| 3．4．2 误差的偏向 - 差异分析 | 第65-70页 |
| 第四章 动态权重神经网络集成的研究 | 第70-82页 |
| 4．1 原理分析和实现方法 | 第70-72页 |
| 4．1．1 原理分析 | 第70-72页 |
| 4．1．2 实现方法 | 第72页 |
| 4．2 广义回归网络介绍 | 第72-74页 |
| 4．3 实现方法 | 第74页 |
| 4．4 试验结果分析 | 第74-82页 |
| 4．4．1 预测精度分析 | 第74-78页 |
| 4．4．2 误差的偏向 - 差异分析 | 第78-82页 |
| 第五章 选择性动态权重神经网络集成的研究 | 第82-92页 |
| 5．1 实现方法 | 第82-83页 |
| 5．2 试验结果分析 | 第83-92页 |
| 5．2．1 预测精度分析 | 第83-88页 |
| 5．2．2 误差的偏向 - 差异分析 | 第88-92页 |
| 第六章 神经网络集成技术在土壤性质空间分布中的应用研究 | 第92-110页 |
| 6．1 研究材料 | 第93-95页 |
| 6．2 研究方法 | 第95-97页 |
| 6．2．1 地统计与克里格插值方法 | 第95-96页 |
| 6．2．2 神经网络集成方法 | 第96-97页 |
| 6．3 结果分析 | 第97-110页 |
| 第七章 结论与展望 | 第110-114页 |
| 参考文献 | 第114-130页 |
| 英文摘要 | 第130页 |
| 攻读博士期间的科研成果 | 第132页 |