| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 引言 | 第9-12页 |
| 1 课题的研究意义 | 第9页 |
| 2 国内外研究现状及发展趋势分析 | 第9-10页 |
| 3 课题研究的内容及意义 | 第10-12页 |
| 第一章 模式识别概述 | 第12-16页 |
| ·模式识别简介 | 第12-13页 |
| ·模式识别方法 | 第13-15页 |
| ·模式识别系统的设计步骤 | 第15-16页 |
| 第二章 模糊模式识别 | 第16-23页 |
| ·模糊模式识别 | 第16-17页 |
| ·模糊模式识别算法实现步骤 | 第17-18页 |
| ·模糊模式识别方法 | 第18-23页 |
| ·基于模糊子集的模糊模式识别方法 | 第18-21页 |
| ·个体识别法 | 第18页 |
| ·群体识别法 | 第18-21页 |
| ·基于聚类分析的模糊模式识别方法 | 第21-23页 |
| ·基于模糊等关系的模糊聚类 | 第21页 |
| ·基于目标函数的模糊聚类 | 第21-23页 |
| 第三章 基于改进型BP神经网络的隶属函数的构造 | 第23-34页 |
| ·建立隶属函数常用的方法 | 第23-24页 |
| ·神经网络技术 | 第24-27页 |
| ·BP神经网络简介 | 第24-25页 |
| ·BP神经网络算法—反向误差传播算法 | 第25页 |
| ·BP神经网络算法的不足及改进 | 第25-26页 |
| ·BP神经网络的设计步骤 | 第26-27页 |
| ·BP神经网络算法的MATLAB实现 | 第27-28页 |
| ·神经网络中模糊集的隶属函数的概念模型的建立 | 第28-29页 |
| ·算例 | 第29-34页 |
| ·输入向量和目标向量的设计 | 第29-30页 |
| ·BP神经网络的设计 | 第30-34页 |
| ·网络结构参数的设计 | 第31页 |
| ·网络的测试与训练 | 第31-34页 |
| 第四章 模糊模式识别在薄板粘接质量超声检测中的应用 | 第34-47页 |
| ·薄板粘接质量超声检测回波信号的数学模型 | 第34-37页 |
| ·本课题采用的模糊模式识别设计原理 | 第37-39页 |
| ·贴近度函数的选取 | 第39页 |
| ·薄板粘接质量模糊模式识别 | 第39-47页 |
| ·特征量的提取 | 第39-40页 |
| ·建立标准模型和待识别样本的模糊子集 | 第40-43页 |
| ·算法验证 | 第43-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |
| 攻读学位期间发表的学术论文目录 | 第51页 |