改进PSO的神经网络数据融合技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·课题研究的背景和意义 | 第11-12页 |
| ·国内外研究历史及现状 | 第12-14页 |
| ·本文的工作及其结构安排 | 第14-16页 |
| 第2章 数据融合概述 | 第16-23页 |
| ·数据融合的概念及特点 | 第16-18页 |
| ·数据融合的概念 | 第16-17页 |
| ·数据融合的特点 | 第17-18页 |
| ·数据融合4元素和一般模型 | 第18-19页 |
| ·数据融合系统体系结构 | 第19-21页 |
| ·数据融合的应用概况 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于神经网络的数据融合 | 第23-35页 |
| ·神经网络的基本概念和模型 | 第23-27页 |
| ·BP神经网络数据融合算法研究 | 第27-32页 |
| ·基于BP算法的多层前馈网络模型 | 第27-29页 |
| ·BP学习算法 | 第29-31页 |
| ·BP网络的训练过程 | 第31-32页 |
| ·神经网络在数据融合中的应用 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 标准粒子群算法及其改进 | 第35-51页 |
| ·粒子群优化算法 | 第35-37页 |
| ·粒子群算法的基本原理 | 第35-36页 |
| ·标准粒子群算法 | 第36-37页 |
| ·标准粒子群算法的流程 | 第37页 |
| ·粒子群算法的改进 | 第37-45页 |
| ·粒子群算法的发展 | 第38-41页 |
| ·引入进化梯度的种群小生境粒子群算法的基本思想 | 第41-43页 |
| ·引入进化梯度的种群小生境粒子群算法的描述 | 第43-45页 |
| ·利用种群小生境粒子群算法训练的BP算法 | 第45-50页 |
| ·BP神经网络的缺点 | 第46页 |
| ·进化神经网络 | 第46-48页 |
| ·神经网络的设计 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 实验及结果分析 | 第51-63页 |
| ·改进粒子群算法仿真实验 | 第51-56页 |
| ·粒子群算法的基准测试函数 | 第51-53页 |
| ·实验结果分析 | 第53-56页 |
| ·数据融合应用实例及仿真 | 第56-62页 |
| ·实验数据 | 第56-58页 |
| ·实验结果 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |
