| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-21页 |
| ·引言 | 第9-10页 |
| ·神经网络简介 | 第10-17页 |
| ·单个人工神经元模型 | 第10-11页 |
| ·神经元基函数和激活函数 | 第11-17页 |
| ·神经网络拓扑结构 | 第17-19页 |
| ·神经网络的研究现状 | 第19页 |
| ·本文主要工作以及章节安排 | 第19-21页 |
| 第二章 RBF神经网络 | 第21-30页 |
| ·引言 | 第21页 |
| ·RBF神经网络结构 | 第21-23页 |
| ·RBF神经网络隐含层参数的确定 | 第23-27页 |
| ·随机选取RBF神经网络中心 | 第24页 |
| ·神经网络构造法 | 第24页 |
| ·神经网络剪枝法 | 第24-26页 |
| ·进化算法优化神经网络 | 第26-27页 |
| ·RBF神经网络的初顶石脑油干点软测量模型 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于Rough K-Means聚类算法的RBF神经网络的优化策略 | 第30-43页 |
| ·引言 | 第30-31页 |
| ·Rough K-Means算法介绍 | 第31-34页 |
| ·K-Means算法基本原理介绍 | 第31页 |
| ·粗糙集理论 | 第31-32页 |
| ·基于粗糙集的K-Means聚类算法 | 第32-34页 |
| ·基于Rough K-Means聚类算法的RBF神经网络优化策略 | 第34-36页 |
| ·基于Rough K-Means聚类算法优化的RBF神经网络干点软测量相关实验 | 第36-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 基于EM&MLR算法的RBF神经网络的优化策略 | 第43-57页 |
| ·引言 | 第43-44页 |
| ·基于EM &MLR算法的改进RBF神经网络 | 第44-49页 |
| ·高斯混合模型与EM聚类算法 | 第44-46页 |
| ·基于EM聚类算法的改进RBF神经网络模型 | 第46-49页 |
| ·基于EM&MLR算法的RBF神经网络优化策略 | 第49-50页 |
| ·基于EM&MLR算法优化的RBF神经网络干点软测量相关实验 | 第50-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·本文总结 | 第57页 |
| ·研究展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表学术论文 | 第64页 |
