基于人工免疫算法和神经网络的盲源分离研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-12页 |
| ·引言 | 第9页 |
| ·盲源分离的发展及研究现状 | 第9-10页 |
| ·盲源分离的应用背景 | 第10-11页 |
| ·论文的主要内容 | 第11-12页 |
| 2. 盲源分离的基础理论 | 第12-19页 |
| ·盲源分离问题的描述 | 第12页 |
| ·基本概念 | 第12-15页 |
| ·熵和负熵的定义 | 第12-13页 |
| ·散度和互信息的定义 | 第13-14页 |
| ·高阶累积量 | 第14-15页 |
| ·盲源分离的主要方法 | 第15-18页 |
| ·BSS 算法的基本框架 | 第15页 |
| ·对比函数 | 第15-17页 |
| ·解决BSS 问题的主要方法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 3. 线性瞬时混合模型下的BSS 算法的研究 | 第19-44页 |
| ·线性瞬时混合下BSS 的基本原理 | 第19-20页 |
| ·解混模型 | 第19页 |
| ·可解性和不确定性 | 第19-20页 |
| ·基于免疫遗传神经网络的BSS 算法 | 第20-27页 |
| ·免疫遗传算法 | 第21页 |
| ·神经网络结构 | 第21-22页 |
| ·数据的预处理 | 第22页 |
| ·基于免疫遗传优化的分离层权矩阵的调整 | 第22-24页 |
| ·仿真实验与分析 | 第24-27页 |
| ·基于自然梯度法的BSS 算法及其改进 | 第27-34页 |
| ·基于自然梯度法的BSS 算法 | 第27-28页 |
| ·仿真实验及其结果 | 第28-31页 |
| ·基于共轭梯度的法改进算法 | 第31-34页 |
| ·基于免疫算法和高阶互累积量的BSS 算法 | 第34-43页 |
| ·免疫算法 | 第34-36页 |
| ·目标函数 | 第36-37页 |
| ·算法的具体实现 | 第37-39页 |
| ·仿真实验与分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 4. 非线性混合模型下的BSS 算法的研究 | 第44-54页 |
| ·混合模型和解混模型 | 第44-45页 |
| ·RBF 神经网络 | 第45-46页 |
| ·基于免疫RBF 网络的非线性BSS 算法 | 第46-49页 |
| ·基于RBF 网络分离方法的基本原理 | 第46页 |
| ·基于免疫RBF 网络的分离算法 | 第46-49页 |
| ·仿真实验与分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 5. 总结与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 作者在攻读硕士其间所发表的论文 | 第61页 |
