面向全息图数据压缩的小波神经网络算法研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·论文研究背景及意义 | 第7-8页 |
| ·计算全息图的特点 | 第8页 |
| ·全息压缩技术动态 | 第8-9页 |
| ·小波神经网络用于全息图压缩的可行性分析 | 第9页 |
| ·压缩质量评价标准 | 第9-10页 |
| ·论文的主要工作 | 第10-12页 |
| 第二章 计算全息基本理论及仿真实验分析 | 第12-26页 |
| ·计算全息简述 | 第12页 |
| ·计算全息图分类 | 第12-13页 |
| ·计算全息理论 | 第13-17页 |
| ·菲涅尔衍射理论 | 第13-15页 |
| ·菲涅尔计算全息图的生成与再现 | 第15-16页 |
| ·再现算法的讨论 | 第16-17页 |
| ·全息再现像的优化处理 | 第17-19页 |
| ·全息图数据量及其分布的数学推导 | 第19-22页 |
| ·实验仿真及结果分析 | 第22-25页 |
| ·全息图的生成 | 第22页 |
| ·全息图的再现 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 小波神经网络用于计算全息图压缩 | 第26-41页 |
| ·小波理论 | 第26-27页 |
| ·小波变换 | 第26页 |
| ·多分辨分析 | 第26-27页 |
| ·人工神经网络理论 | 第27-28页 |
| ·人工神经网络的特点 | 第27-28页 |
| ·BP神经网络 | 第28页 |
| ·小波神经网络 | 第28-32页 |
| ·小波神经网络概述 | 第28-29页 |
| ·小波神经网络优势 | 第29页 |
| ·网络结构及其训练过程 | 第29-30页 |
| ·网络参数设置 | 第30-32页 |
| ·小波神经网络的数据压缩 | 第32-35页 |
| ·压缩原理 | 第32页 |
| ·网络结构的选取 | 第32-33页 |
| ·网络学习算法及过程 | 第33-35页 |
| ·全息图的小波神经网络压缩方法 | 第35-37页 |
| ·全息图的预处理 | 第35-36页 |
| ·全息图的小波神经网络压缩方法步骤 | 第36-37页 |
| ·实验结果及分析 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 遗传优化小波神经网络用于全息图压缩 | 第41-54页 |
| ·遗传算法概念 | 第41页 |
| ·遗传算法优点 | 第41-42页 |
| ·遗传术语简介 | 第42-43页 |
| ·GA算法标准步骤及流程图 | 第43-44页 |
| ·遗传优化的小波神经网络 | 第44-47页 |
| ·GA-WNN算法模型步骤 | 第44-46页 |
| ·GA-WNN算法模型流程图 | 第46-47页 |
| ·全息图的GA-WNN算法模型压缩步骤 | 第47页 |
| ·实验结果及分析 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 结论 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 作者简介 | 第61页 |
| 攻读硕士学位期间研究成果 | 第61-62页 |
