遗传算法与小波神经网络中若干问题的研究
| 第一章 绪论 | 第1-24页 |
| ·研究背景和选题意义 | 第13页 |
| ·遗传算法研究的历史与现状 | 第13-17页 |
| ·遗传算法的起源与发展 | 第13-15页 |
| ·遗传算法的研究现状 | 第15-17页 |
| ·小波神经网络研究的历史与现状 | 第17-21页 |
| ·小波神经网络的起源与发展 | 第17-18页 |
| ·小波神经网络的研究现状 | 第18-21页 |
| ·进化小波网络的理论与研究现状 | 第21-22页 |
| ·本文完成的主要工作 | 第22-24页 |
| 第二章 遗传算子的性能分析及其改进和完善策略 | 第24-45页 |
| ·引言 | 第24页 |
| ·遗传算子的功能分析 | 第24-29页 |
| ·自适应遗传策略的设计 | 第29-33页 |
| ·基于交叉概率和变异概率的自适应策略 | 第30-31页 |
| ·基于阶段进化的适应性策略 | 第31-33页 |
| ·扩散式遗传算法 | 第33-34页 |
| ·扩散式遗传算法的性能分析 | 第34-41页 |
| ·扩散式遗传算法的实施步骤 | 第41页 |
| ·仿真示例 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第三章 预防成熟前收敛的多种群并行遗传算法 | 第45-54页 |
| ·引言 | 第45页 |
| ·GA 中的成熟前收敛问题 | 第45-47页 |
| ·模式分析 | 第47-49页 |
| ·多种群并行遗传算法 | 第49-50页 |
| ·仿真示例 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 一种提高算法精度的变焦遗传算法 | 第54-64页 |
| ·引言 | 第54页 |
| ·吐故纳新的变焦遗传算法 | 第54-60页 |
| ·一种改进的变焦遗传算法 | 第60-61页 |
| ·仿真示例 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第五章 小波神经网络的结构优化方法及稳定性研究 | 第64-82页 |
| ·引言 | 第64-65页 |
| ·小波神经网络简介 | 第65-73页 |
| ·小波与小波框架 | 第65-68页 |
| ·小波神经网络 | 第68-70页 |
| ·离散小波神经网络 | 第70-73页 |
| ·离散小波神经网络模型分析 | 第73-75页 |
| ·离散小波神经网络的数学模型 | 第73-74页 |
| ·离散小波神经网络的稳定性研究 | 第74-75页 |
| ·广义小波神经网络结构的设计 | 第75-77页 |
| ·主成份分析方法 | 第75-76页 |
| ·EWNN 的结构设计 | 第76-77页 |
| ·EWNN 基函数的Oja 优化算法 | 第77-79页 |
| ·仿真示例 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 一种进化小波神经网络及其训练方法 | 第82-89页 |
| ·引言 | 第82页 |
| ·进化计算在神经网络学习中的应用 | 第82-84页 |
| ·神经网络学习的复杂性 | 第82-83页 |
| ·一般的进化神经网络 | 第83-84页 |
| ·进化小波网络的结构设计及其优化算法 | 第84-86页 |
| ·进化小波网络的结构设计 | 第84页 |
| ·进化小波网络的优化算法 | 第84-85页 |
| ·EWN 基函数的计算步骤 | 第85-86页 |
| ·网络的优化步骤 | 第86-87页 |
| ·仿真示例 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 第七章 进化FCM算法在故障诊断中的应用 | 第89-102页 |
| ·引言 | 第89页 |
| ·故障的特征提取 | 第89-94页 |
| ·故障的进化FCM 诊断方法 | 第94-97页 |
| ·模糊C-均值算法 | 第94-96页 |
| ·改进的遗传算法 | 第96页 |
| ·故障的进化FCM 诊断方法 | 第96-97页 |
| ·仿真算例 | 第97-100页 |
| ·本章小结 | 第100-102页 |
| 第八章 全文总结与展望 | 第102-105页 |
| ·本文的主要工作和贡献 | 第102-103页 |
| ·后续研究工作展望 | 第103-105页 |
| 参考文献 | 第105-114页 |
| 致谢 | 第114-115页 |
| 攻读博士学位期间发表的主要论文 | 第115-116页 |
