| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-12页 |
| 1．1 国内外研究现状和发展趋势 | 第7-9页 |
| 1．1．1 木材年轮间细胞与材性变异规律研究现状 | 第7-8页 |
| 1．1．2 木材年轮间细胞与材性变异规律研究的发展趋势 | 第8-9页 |
| 1．2 课题的目的和意义 | 第9-10页 |
| 1．3 课题的研究内容及方法 | 第10-12页 |
| 2 木材年轮密度变异研究的测试方法 | 第12-18页 |
| 2．1 木材年轮密度变异研究特征参数的选择 | 第12页 |
| 2．2 试样采集 | 第12页 |
| 2．3 试样制备及测试方法 | 第12-13页 |
| 2．4 计算机视觉分析系统 | 第13-16页 |
| 2．4．1 计算机视觉研究内容 | 第13页 |
| 2．4．2 计算机视觉系统的构成 | 第13-14页 |
| 2．4．3 木材解剖特征计算机视觉分析系统 | 第14-16页 |
| 2．5 小结 | 第16-18页 |
| 3 神经网络建模的基本原理 | 第18-32页 |
| 3．1 引言 | 第18页 |
| 3．2 神经网络概述 | 第18-19页 |
| 3．3 神经网络的应用 | 第19-20页 |
| 3．4 神经网络建模 | 第20-32页 |
| 3．4．1 用于建模的神经网络分类 | 第20-26页 |
| 3．4．2 基于神经网络辨识方法的建模 | 第26-28页 |
| 3．4．3 神经网络建模的主要考虑因素 | 第28-29页 |
| 3．4．4 神经网络建模的主要步骤 | 第29-30页 |
| 3．4．5 非线性静态过程的神经网络辨识结构 | 第30-32页 |
| 4 木材年轮密度变异规律神经网络模型 | 第32-35页 |
| 4．1 采用统计回归方法建立的木材年轮密度变异规律模型 | 第32页 |
| 4．2 基于神经网络的木材年轮密度变异规律模型结构 | 第32-33页 |
| 4．3 木材年轮密度变异规律神经网络模型建立过程 | 第33-34页 |
| 4．3．1 木材年轮密度变异规律多层前馈神经网络辨识结构 | 第33-34页 |
| 4．3．2 木材年轮密度变异规律多层前馈神经网络模型描述 | 第34页 |
| 4．4 小结 | 第34-35页 |
| 5 实验结果与分析 | 第35-45页 |
| 5．1 实验数据的获取 | 第35页 |
| 5．2 数据预处理 | 第35-36页 |
| 5．3 MatLab神经网络训练程序 | 第36-38页 |
| 5．3．1 MatLab概述 | 第36页 |
| 5．3．2 MatLab的特点 | 第36-37页 |
| 5．3．3 MatLab神经网络应用设计中的一些主要函数 | 第37-38页 |
| 5．4 网络的训练及模型的检验 | 第38-41页 |
| 5．5 两种方法的比较 | 第41-44页 |
| 5．5．1 统计回归方法 | 第41-42页 |
| 5．5．2 神经网络方法 | 第42-44页 |
| 5．6 小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 附录1: BP算法公式推导 | 第50-53页 |
| 附录2: BP网络训练程序 | 第53-55页 |
| 攻读学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |
