基于光谱的网点面积预测模型研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-12页 |
| 1.1 选题背景及意义 | 第8-10页 |
| 1.2 论文主要研究内容 | 第10页 |
| 1.3 论文章节安排 | 第10-12页 |
| 2 配色模型及BP神经网络原理简介 | 第12-24页 |
| 2.1 配色模型常用理论及其比较分析 | 第12-14页 |
| 2.2 神经元模型 | 第14-16页 |
| 2.2.1 生物神经元模型 | 第14-15页 |
| 2.2.2 人工神经元模型 | 第15页 |
| 2.2.3 神经元的激活函数 | 第15-16页 |
| 2.3 人工神经网络模型 | 第16页 |
| 2.4 人工神经网络的学习算法 | 第16-17页 |
| 2.4.1 有监督学习算法 | 第17页 |
| 2.4.2 无监督学习算法 | 第17页 |
| 2.5 BP神经网络 | 第17-19页 |
| 2.6 BP神经网络的改进 | 第19-23页 |
| 2.6.1 训练样本的选取 | 第19页 |
| 2.6.2 层次优化和网络节点优化 | 第19页 |
| 2.6.3 网络激活函数优化 | 第19页 |
| 2.6.4 初始阈值&权重的选取 | 第19-22页 |
| 2.6.5 防止神经网络过度拟合的方法 | 第22-23页 |
| 2.7 本章小结 | 第23-24页 |
| 3 基于BP神经网络网点预测模型的建立 | 第24-30页 |
| 3.1 实验数据采集 | 第24-25页 |
| 3.2 网点面积预测模型的神经网络结构设计 | 第25-28页 |
| 3.2.1 输入值&输出值设计 | 第25页 |
| 3.2.2 隐含层数&隐层节点数设计 | 第25页 |
| 3.2.3 基本算法设计 | 第25-28页 |
| 3.3 HDPM的预测能力检验流程 | 第28页 |
| 3.4 本章小结 | 第28-30页 |
| 4 HDPM的优化及实验结果 | 第30-42页 |
| 4.1 训练样本的优化 | 第30-33页 |
| 4.2 隐含层数&隐层节点数的优化 | 第33-34页 |
| 4.3 粒子群对初始阈值&权重的优化 | 第34-35页 |
| 4.4 激活函数的优化 | 第35-37页 |
| 4.5 防止过度拟合 | 第37-38页 |
| 4.6 色差 | 第38-40页 |
| 4.6.1 计算色差并检验HDPM预测性能 | 第39-40页 |
| 4.6.2 实验结果 | 第40页 |
| 4.7 本章小结 | 第40-42页 |
| 5 总结 | 第42-44页 |
| 5.1 总结与展望 | 第42页 |
| 5.2 创新点 | 第42-44页 |
| 致谢 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 在校学习期间发表的论文 | 第50页 |
