| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第9-10页 |
| 第1章 文献综述 | 第10-15页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 高程基准发展现状 | 第11-12页 |
| 1.2.2 高程拟合研究现状 | 第12-13页 |
| 1.2.3 神经网络应用现状 | 第13页 |
| 1.3 论文研究内容 | 第13-15页 |
| 第2章 基础理论 | 第15-25页 |
| 2.1 GNSS高程转换 | 第15-17页 |
| 2.1.1 高程系统 | 第15页 |
| 2.1.2 高程异常的确定 | 第15-16页 |
| 2.1.3 误差来源 | 第16-17页 |
| 2.2 高程拟合模型 | 第17-21页 |
| 2.2.1 常用拟合函数 | 第17-18页 |
| 2.2.2 拟合函数对比 | 第18页 |
| 2.2.3 拟合模型误差分析 | 第18-20页 |
| 2.2.4 拟合精度评定指标 | 第20-21页 |
| 2.3 抗差估计 | 第21-25页 |
| 2.3.1 估计方法概述 | 第21-22页 |
| 2.3.2 粗差处理思想 | 第22页 |
| 2.3.3 稳健估计 | 第22-25页 |
| 第3章 基于MEA优化的抗差BP神经网络高程拟合模型 | 第25-46页 |
| 3.1 神经网络基本原理 | 第25-26页 |
| 3.1.1 生物神经元 | 第25页 |
| 3.1.2 人工神经元模型 | 第25-26页 |
| 3.1.3 神经网络的基本性能 | 第26页 |
| 3.2 BP神经网络模型 | 第26-29页 |
| 3.2.1 BP网络拓扑结构 | 第27页 |
| 3.2.2 BP网络学习过程 | 第27-28页 |
| 3.2.3 BP拟合的适用性分析 | 第28-29页 |
| 3.3 思维进化算法 | 第29-32页 |
| 3.3.1 概述 | 第29-30页 |
| 3.3.2 术语和概念 | 第30-31页 |
| 3.3.3 思维进化算法优化BP网络 | 第31-32页 |
| 3.4 MEA优化的抗差BP高程拟合模型建立 | 第32-41页 |
| 3.4.1 模型设计思路 | 第32-33页 |
| 3.4.2 拟合模型建立 | 第33-35页 |
| 3.4.3 模型优化技术流程 | 第35-36页 |
| 3.4.4 模型参数设计 | 第36-41页 |
| 3.5 模型仿真测试 | 第41-45页 |
| 3.5.1 试验数据 | 第41-42页 |
| 3.5.2 仿真方案设计 | 第42-43页 |
| 3.5.3 试验结果与分析 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 改进的正则化RBF神经网络高程拟合模型 | 第46-58页 |
| 4.1 RBF神经网络概述 | 第46-48页 |
| 4.1.1 生理学基础 | 第46页 |
| 4.1.2 网络工作原理 | 第46-48页 |
| 4.1.3 网络设计原则 | 第48页 |
| 4.2 正则化RBF神经网络 | 第48-51页 |
| 4.2.1 正则化理论 | 第48-49页 |
| 4.2.2 正则化网络模型 | 第49-50页 |
| 4.2.3 RBF网络与BP网络的区别与联系 | 第50-51页 |
| 4.3 改进的正则化RBF神经网络模型的建立 | 第51-54页 |
| 4.3.1 模型设计思路 | 第51页 |
| 4.3.2 隐节点中心的抗差优化 | 第51-53页 |
| 4.3.3 抗差RBF拟合模型的建立 | 第53-54页 |
| 4.4 模型仿真测试 | 第54-57页 |
| 4.4.1 试验数据 | 第54-55页 |
| 4.4.2 仿真方案设计 | 第55-56页 |
| 4.4.3 试验结果与分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 导师及企业导师简介 | 第64-65页 |
| 作者简介 | 第65-66页 |
| 学位论文数据集 | 第66页 |