| 摘要 | 第1-3页 |
| THE APPLICATIONS OF FNN IN DATA COMMUNICATION | 第3-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| 1．1 引言 | 第8页 |
| 1．2 模糊神经网络的发展概况 | 第8-11页 |
| 1．2．1 人工神经网络 | 第8-9页 |
| 1．2．2 模糊逻辑系统 | 第9页 |
| 1．2．3 神经网络和模糊逻辑的结合 | 第9-11页 |
| 1．3 数据通信 | 第11-14页 |
| 1．3．1 现代测控通讯模式 | 第11-12页 |
| 1．3．2 网络通信模型 | 第12-13页 |
| 1．3．3 数据通信在测控系统的应用 | 第13页 |
| 1．3．4 数据通信与FNN | 第13-14页 |
| 1．4 课题研究的内容及意义 | 第14-16页 |
| 第二章 模糊神经网络结构及算法 | 第16-27页 |
| 2．1 引言 | 第16页 |
| 2．2 模糊逻辑系统 | 第16-18页 |
| 2．3 补偿模糊神经网络 | 第18-21页 |
| 2．3．1 补偿模糊神经网络结构 | 第18-19页 |
| 2．3．2 补偿模糊规则 | 第19页 |
| 2．3．3 补偿模糊神经网络学习方法 | 第19-21页 |
| 2．4 模糊HOPFIELD网络 | 第21-27页 |
| 2．4．1 连续Hopfield网络 | 第21-23页 |
| 2．4．2 模糊Hopfield神经元网络的结构 | 第23-24页 |
| 2．4．3 模糊Hopfield神经元网络预测模型 | 第24-27页 |
| 第三章 基于FNN的多传感器数据融合 | 第27-38页 |
| 3．1 引言 | 第27页 |
| 3．2 多传感器数据融合及其原理 | 第27-30页 |
| 3．2．1 多传感器数据融合的概念 | 第27-28页 |
| 3．2．2 多传感器数据融合的用途及原理 | 第28-29页 |
| 3．2．3 多传感器数据融合主要方法及分类 | 第29-30页 |
| 3．3 基于补偿模糊神经网络的多传感器数据融合 | 第30-37页 |
| 3．3．1 多传感器数据融合的映射模型 | 第30-31页 |
| 3．3．2 应用补偿模糊神经网络的多传感器数据融合 | 第31-33页 |
| 3．3．3 水情信息采集及监控应用 | 第33-34页 |
| 3．3．4 像素级多传感器图像融合 | 第34-37页 |
| 3．4 小结 | 第37-38页 |
| 第四章 基于小波分解和FNN的图像数据压缩及解压算法研究 | 第38-50页 |
| 4．1 引言 | 第38页 |
| 4．2 图像压缩原理 | 第38-42页 |
| 4．2．1 经典图像编码 | 第38-40页 |
| 4．2．2 现代图像编码 | 第40-42页 |
| 4．3 应用基于小波变换与FNN的图像压缩 | 第42-48页 |
| 4．3．1 小波分解的原理 | 第42-45页 |
| 4．3．2 基于补偿模糊神经网络的矢量量化编码器 | 第45-47页 |
| 4．3．3 小波分解与补偿模糊神经网络矢量量化编码器的结合 | 第47-48页 |
| 4．4 实验与结论 | 第48-50页 |
| 第五章 基于FNN的GPRS数据拥塞控制 | 第50-63页 |
| 5．1 引言 | 第50页 |
| 5．2 传统的TCP/IP拥塞控制理论 | 第50-56页 |
| 5．2．1 概述 | 第50-51页 |
| 5．2．2 TCP拥塞控制的基本方式 | 第51-52页 |
| 5．2．3 TCP拥塞控制的四个阶段 | 第52-53页 |
| 5．2．4 目前IP处理拥塞的方法 | 第53-56页 |
| 5．3 GPRS数据通讯的拥塞控制 | 第56-58页 |
| 5．3．1 GPRS数据通讯的意义 | 第56页 |
| 5．3．2 网络拥塞的原因 | 第56-57页 |
| 5．3．3 GPRS数据通讯的拥塞控制 | 第57-58页 |
| 5．4 基于补偿模糊神经网络的拥塞控制 | 第58-61页 |
| 5．4．1 为何将模糊神经网络应用于网络拥塞控制 | 第58-59页 |
| 5．4．2 拥塞控制原理 | 第59页 |
| 5．4．3 GPRS模糊神经网络拥塞控制方法 | 第59-60页 |
| 5．4．4 实验仿真 | 第60-61页 |
| 5．6 结论 | 第61-63页 |
| 第六章 基于FNN的极点配置自校正滤波去噪 | 第63-74页 |
| 6．1 引言 | 第63-64页 |
| 6．2 图像去噪的必要性及其原理 | 第64-67页 |
| 6．2．1 噪声的定义及其评价 | 第64-65页 |
| 6．2．2 图像中噪声的来源及特点 | 第65-66页 |
| 6．2．3 噪声的分类 | 第66页 |
| 6．2．4 主要降噪方法及其原理 | 第66-67页 |
| 6．3 基于模糊HOPFIELD神经网络的极点配置自校正滤波 | 第67-73页 |
| 6．3．1 基于FuzzyHN的极点配置自校正滤波 | 第67-69页 |
| 6．3．2 中值滤波与均值滤波 | 第69-71页 |
| 6．3．3 设计实验 | 第71-73页 |
| 6．4 小结 | 第73-74页 |
| 结束语 | 第74页 |
| 总结 | 第74-75页 |
| 展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
