| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·模式识别目前已有方法总结与分析 | 第9-10页 |
| ·基于过程神经网络的动态系统模式识别方法的提出 | 第10页 |
| ·人工过程神经网络 | 第10-13页 |
| ·人工过程神经元模型 | 第10-11页 |
| ·人工过程神经元网络模型 | 第11-13页 |
| ·神经网络研究现状 | 第13-14页 |
| ·论文主要研究内容 | 第14-15页 |
| 第二章 模式识别与人工神经网络原理 | 第15-21页 |
| ·模式识别原理 | 第15页 |
| ·特征提取和选择 | 第15页 |
| ·分类器选择与设计 | 第15页 |
| ·人工神经元网络原理 | 第15-17页 |
| ·人工神元经网络性质 | 第15-17页 |
| ·人工神经网络学习算法 | 第17页 |
| ·基于神经网络的动态系统模式识别 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 模糊过程神经元网络及其应用研究 | 第21-31页 |
| ·模糊过程神经元网络模型的问题提出 | 第21-22页 |
| ·模糊过程神经元 | 第22-23页 |
| ·模糊计算过程神经元 | 第22页 |
| ·模糊推理过程神经元 | 第22-23页 |
| ·模糊过程神经元网络模型 | 第23-26页 |
| ·模糊计算过程神经元网络 | 第23-25页 |
| ·加权模糊推理过程神经元网络 | 第25-26页 |
| ·学习算法 | 第26-29页 |
| ·在抽油机平衡诊断中的应用 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于正交基展开的过程支持向量机及其在动态模式分类中的应用 | 第31-41页 |
| ·问题的提出 | 第31-32页 |
| ·支持向量机的基本思想 | 第32-33页 |
| ·支持向量机的训练算法 | 第33-35页 |
| ·时变函数空间与高维数量空间模式分类问题的等价性分析 | 第35-36页 |
| ·基于正交函数基展开的PSVM 模型 | 第36-38页 |
| ·在水淹状况判别中的应用 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于勒让德正交基展开的过程神经网络学习算法 | 第41-47页 |
| ·概述 | 第41页 |
| ·勒让德多项式 | 第41页 |
| ·L~2[ -1,1] 中函数的勒让德正交基展开 | 第41-42页 |
| ·算法推导 | 第42-45页 |
| ·仿真实验 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 发表文章目录 | 第51-52页 |
| 致谢 | 第52-53页 |
| 详细摘要 | 第53-58页 |
