| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 复数值RBF神经网络的研究现状 | 第10-13页 |
| 1.2.1 复数值RBF神经网络的学习算法 | 第11-13页 |
| 1.2.2 复数值RBF神经网络的应用 | 第13页 |
| 1.3 主要研究内容与论文结构 | 第13-15页 |
| 第二章 复数值RBF神经网络 | 第15-24页 |
| 2.1 复数值RBF神经网络模型 | 第15-17页 |
| 2.1.1 分裂式复数值RBF神经网络结构 | 第15-17页 |
| 2.1.2 全复数值RBF神经网络结构 | 第17页 |
| 2.2 复数值RBF神经网络的激励函数 | 第17-20页 |
| 2.3 复数值RBF神经网络的学习算法 | 第20-24页 |
| 2.3.1 无监督自组织学习方法 | 第20-21页 |
| 2.3.2 有监督学习方法 | 第21-24页 |
| 第三章 全复数值RBF神经网络算法的改进与应用 | 第24-37页 |
| 3.1 基于距离的RBF神经网络隐层中心初始化算法 | 第24-26页 |
| 3.1.1 算法思想介绍 | 第24-25页 |
| 3.1.2 算法过程描述 | 第25-26页 |
| 3.2 全复数值RBF神经网络的学习算法 | 第26-32页 |
| 3.2.1 Wirtinger计算 | 第29页 |
| 3.2.2 全复数值LM算法 | 第29-32页 |
| 3.3 分类效果测试 | 第32-36页 |
| 3.3.1 数据预处理 | 第32-33页 |
| 3.3.2 实验结果及分析 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 改进的聚类中心算法及应用 | 第37-50页 |
| 4.1 常见的实数值映射到复平面的方法 | 第37-41页 |
| 4.1.1 相位编码 | 第38-39页 |
| 4.1.2 环形变换 | 第39-41页 |
| 4.2 改进的聚类中心选择算法 | 第41-43页 |
| 4.3 算法性能实验 | 第43-49页 |
| 4.3.1 数据集分类 | 第43-46页 |
| 4.3.2 手势识别 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 工作总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 攻读硕士期间已发表的论文 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-60页 |