| 第一章 绪论 | 第1-31页 |
| 1．1 课题的研究背景和意义 | 第15-19页 |
| 1．1．1 课题的研究背景 | 第15-17页 |
| 1．1．2 课题的研究意义 | 第17-19页 |
| 1．2 课题相关技术的发展和研究现状 | 第19-27页 |
| 1．2．1 大气环境质量评价方法的研究现状 | 第19-23页 |
| 1．2．2 数据融合理论的发展和研究现状 | 第23-27页 |
| 1．2．2．1 国内外的研究现状 | 第23-26页 |
| 1．2．2．2 数据融合理论的发展方向 | 第26-27页 |
| 1．3 课题采用的关键技术 | 第27-29页 |
| 1．4 论文的主要工作及内容安排 | 第29-30页 |
| 1．4．1 论文的主要工作 | 第29页 |
| 1．4．2 论文的内容安排 | 第29-30页 |
| 本章小结 | 第30-31页 |
| 第二章 多传感器数据融合的基本原理和方法 | 第31-39页 |
| 2．1 数据融合的基本原理 | 第31-34页 |
| 2．1．1 数据融合的定义 | 第31-32页 |
| 2．1．2 数据融合的层次结构及功能 | 第32-34页 |
| 2．2 数据融合的方法 | 第34-38页 |
| 2．2．1 基于物理模型的数据融合方法 | 第35页 |
| 2．2．2 基于统计理论的数据融合方法 | 第35-36页 |
| 2．2．3 基于信息论的数据融合方法 | 第36-37页 |
| 2．2．4 基于认识模型的数据融合方法 | 第37-38页 |
| 本章小结 | 第38-39页 |
| 第三章 人工神经网络 | 第39-51页 |
| 3．1 人工神经元模型和网络结构 | 第39-44页 |
| 3．1．1 人工神经元模型 | 第39-42页 |
| 3．1．2 人工神经网络结构 | 第42-44页 |
| 3．2 反向传播神经网络 | 第44-46页 |
| 3．2．1 BP神经网络的结构 | 第44-46页 |
| 3．3 径向基函数神经网络 | 第46-49页 |
| 3．3．1 RBF神经网络的结构 | 第46-49页 |
| 3．3．2 RBF神经网络的算法 | 第49页 |
| 3．4 人工神经网络的特点 | 第49-50页 |
| 本章小结 | 第50-51页 |
| 第四章 遗传神经网络 | 第51-63页 |
| 4．1 遗传算法简介 | 第51-59页 |
| 4．1．1 遗传算法的基本操作及设计步骤 | 第51-56页 |
| 4．1．2 遗传算法的特点 | 第56-57页 |
| 4．2．1 遗传算法对于神经网络权值的优化 | 第57-58页 |
| 4．2．2 遗传算法对于神经网络结构的进化 | 第58-59页 |
| 4．2．3 遗传算法对于神经网络学习规则的进化 | 第59页 |
| 4．3 遗传神经网络的大气质量检测模型 | 第59-62页 |
| 4．3．1 遗传神经网络检测系统 | 第59-61页 |
| 4．3．2 实验结果分析 | 第61-62页 |
| 本章小结 | 第62-63页 |
| 第五章 模糊神经网络 | 第63-87页 |
| 5．1 模糊理论 | 第63-67页 |
| 5．1．1 模糊理论的数学基础 | 第63-64页 |
| 5．1．2 模糊推理系统的组成及原理 | 第64-66页 |
| 5．1．3 模糊系统的特点 | 第66-67页 |
| 5．2 模糊神经网络 | 第67-71页 |
| 5．2．1 模糊神经网络的产生背景 | 第67-68页 |
| 5．2．2 模糊系统与神经网络的结合方式 | 第68-69页 |
| 5．2．3 基于联接主义的模糊神经网络结构 | 第69-71页 |
| 5．3 模糊 RBF神经网络 | 第71-76页 |
| 5．3．1 径向基函数网络和模糊推理系统的等价关系 | 第71-72页 |
| 5．3．2 模糊 RBF神经网络结构及其算法研究 | 第72-76页 |
| 5．4 基于模糊 RBF神经网络的大气质量评价模型 | 第76-86页 |
| 5．4．1 评价标准 | 第76-78页 |
| 5．4．2 评价系统的建立 | 第78-81页 |
| 5．4．3 实验数据 | 第81-83页 |
| 5．4．4 评价结果 | 第83-86页 |
| 本章小结 | 第86-87页 |
| 第六章 结论及展望 | 第87-91页 |
| 参考文献 | 第91-97页 |
| 附录 | 第97-106页 |
| 致谢 | 第106-107页 |
| 攻读学位期间发表的学术论文 | 第107页 |