| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题背景及其意义 | 第7-8页 |
| ·国内外研究动态 | 第8-11页 |
| ·本文研究内容与组织结构 | 第11-13页 |
| ·研究内容及创新点 | 第11-12页 |
| ·本文组织结构 | 第12-13页 |
| 第二章 神经网络集成 | 第13-25页 |
| ·引言 | 第13-14页 |
| ·弱学习及其提升技术 | 第14-17页 |
| ·Boosting 算法 | 第14-15页 |
| ·Bagging 算法 | 第15-17页 |
| ·神经网络集成及其泛化能力分析 | 第17-20页 |
| ·神经网络个体生成方式 | 第17-18页 |
| ·各神经网络个体的集成方法 | 第18页 |
| ·集成泛化能力的理论分析 | 第18-20页 |
| ·选择性神经网络集成 | 第20-24页 |
| ·选择性集成的理论分析 | 第20-23页 |
| ·分类问题 | 第20-21页 |
| ·回归问题 | 第21-23页 |
| ·选择性集成的方法 | 第23-24页 |
| ·选择性方法 | 第23-24页 |
| ·选择的评价方法 | 第24页 |
| ·小结与结论 | 第24-25页 |
| 第三章 神经网络集成在分类问题中的应用研究 | 第25-44页 |
| ·模式识别系统 | 第25-26页 |
| ·基于核方法的特征提取技术 | 第26-29页 |
| ·核方法的基本原理 | 第26-27页 |
| ·KPCA 算法 | 第27-29页 |
| ·基于 KPCA 和动态选择性集成的汽轮机故障诊断 | 第29-38页 |
| ·BP 神经网络 | 第30-33页 |
| ·动态选择性集成方法 | 第33-34页 |
| ·汽轮机故障诊断实例分析 | 第34-38页 |
| ·基于 KPCA 和模糊核聚类集成的汽轮机故障诊断 | 第38-42页 |
| ·KFCM 算法 | 第38-39页 |
| ·模糊核聚类集成方法 | 第39-40页 |
| ·实例分析 | 第40-42页 |
| ·小节与结论 | 第42-44页 |
| 第四章 神经网络集成在回归问题中的应用研究 | 第44-55页 |
| ·基于熵值法集成的短期风速预测 | 第44-54页 |
| ·风速时间序列的混沌特性分析 | 第44-49页 |
| ·由时间序列重构动力学相空间 | 第45页 |
| ·最佳嵌入维数m 与延迟时间τ的确定 | 第45-46页 |
| ·吸引子关联维数的计算 | 第46页 |
| ·最大Lyapunov 指数的提取 | 第46-47页 |
| ·实例分析 | 第47-49页 |
| ·熵值加权法神经网络集成 | 第49-51页 |
| ·短期风速预测实例分析 | 第51-54页 |
| ·小结与结论 | 第54-55页 |
| 第五章 结论和研究展望 | 第55-57页 |
| ·本文主要结论 | 第55-56页 |
| ·今后工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 在学期间发表的学术论文和参加科研情况 | 第61页 |