径向基神经网络基函数中心确定方法改进研究
| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 引言 | 第11-18页 |
| 1.1 研究的目的与意义 | 第11-12页 |
| 1.2 国内外研究动态 | 第12-15页 |
| 1.2.1 国外研究动态 | 第12-14页 |
| 1.2.2 国内研究动态 | 第14-15页 |
| 1.2.3 国内外研究动态分析 | 第15页 |
| 1.3 研究的主要内容、方法和技术路线 | 第15-18页 |
| 1.3.1 研究的主要内容 | 第15-16页 |
| 1.3.2 研究方法 | 第16-17页 |
| 1.3.3 研究的技术路线 | 第17-18页 |
| 2 径向基函数（RBF）神经网络 | 第18-37页 |
| 2.1 神经网络概述 | 第18-22页 |
| 2.2 RBF神经网络的原理 | 第22-28页 |
| 2.2.1 RBF神经网络基本思想 | 第22-24页 |
| 2.2.2 RBF神经网络模型 | 第24-28页 |
| 2.3 RBF神经网络性能分析 | 第28-30页 |
| 2.4 RBF神经网络的学习方法 | 第30-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 基于系统聚类的基函数中心确定方法 | 第37-52页 |
| 3.1 系统聚类基本原理 | 第37-38页 |
| 3.2 样本间距和相似性度量 | 第38-43页 |
| 3.3 类间距计算方法 | 第43-46页 |
| 3.4 基函数中心个数的确定 | 第46-49页 |
| 3.5 基本思想及流程 | 第49-51页 |
| 3.6 本章小结 | 第51-52页 |
| 4 基于系统聚类的基函数中心确定方法应用与分析 | 第52-63页 |
| 4.1 在函数逼近问题中的应用 | 第52-57页 |
| 4.2 在分类问题上的应用 | 第57-59页 |
| 4.3 在时间序列预测问题上的应用 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 结论与讨论 | 第63-65页 |
| 5.1 结论 | 第63页 |
| 5.2 讨论与展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70页 |
