数据融合中基于神经网络的目标识别方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题研究的背景和意义 | 第7-8页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文的工作及其结构安排 | 第10-12页 |
| 第二章 神经网络目标识别概述 | 第12-23页 |
| ·神经网络概述 | 第12-13页 |
| ·神经网络的结构模型 | 第12页 |
| ·学习方式和特点 | 第12-13页 |
| ·目标识别概述 | 第13-20页 |
| ·属性级融合结构模型 | 第14-15页 |
| ·目标识别方法 | 第15-20页 |
| ·神经网络目标识别技术 | 第20-23页 |
| 第三章 基于径向基神经网络的目标识别 | 第23-36页 |
| ·径向基网络模型的结构、数学原理 | 第23-25页 |
| ·径向基网络模型的结构 | 第23-24页 |
| ·径向基网络的数学原理 | 第24-25页 |
| ·径向基函数网络模型的改进学习算法 | 第25-31页 |
| ·初始聚类中心的选择 | 第25-26页 |
| ·中心矢量的调节——非监督学习 | 第26页 |
| ·权值的调节——监督学习 | 第26-27页 |
| ·改进的径向基网络的混合学习算法 | 第27-31页 |
| ·改进学习算法在目标识别中的应用 | 第31-35页 |
| ·小结 | 第35-36页 |
| 第四章 基于自组织神经网络的目标识别 | 第36-47页 |
| ·自组织特征映射的神经网络模型 | 第36-38页 |
| ·Kohonen网络的工作原理 | 第36页 |
| ·Kohonen网络的结构 | 第36-37页 |
| ·Kohonen网络的学习算法 | 第37-38页 |
| ·自组织神经网络模型算法的改进 | 第38-40页 |
| ·自组织改进算法在目标识别中的应用 | 第40-45页 |
| ·自组织改进算法Ⅰ | 第40-42页 |
| ·自组织改进算法Ⅱ | 第42-45页 |
| ·小结 | 第45-47页 |
| 第五章 基于遗传算法的神经网络目标识别 | 第47-62页 |
| ·遗传算法简介 | 第47-51页 |
| ·遗传算法的概念和特点 | 第47-48页 |
| ·遗传算法的基本原理 | 第48-49页 |
| ·遗传算法的步骤 | 第49-51页 |
| ·BP神经网络 | 第51-52页 |
| ·BP算法的基本原理 | 第51页 |
| ·BP神经网络结构 | 第51页 |
| ·BP神经网络的学习算法 | 第51-52页 |
| ·遗传算法改进 | 第52-57页 |
| ·“早熟”程度评价指标的选择 | 第52-54页 |
| ·控制参数的调整 | 第54-55页 |
| ·收敛性能的验证 | 第55-57页 |
| ·基于改进遗传算法的神经网络目标识别应用 | 第57-61页 |
| ·小结 | 第61-62页 |
| 结束语 | 第62-64页 |
| 攻读硕士学位期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 西北工业大学业学位论文知识产权声明书 | 第72页 |
| 西北工业大学学位论文原创性声明 | 第72页 |
