基于文化算法的PCNN参数标定的研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题背景 | 第10-11页 |
| ·PCNN国内外目前的发展状况及问题的提出 | 第11-12页 |
| ·文化算法在搜索中的优势 | 第12-13页 |
| ·论文主要工作和结构安排 | 第13-15页 |
| 第2章 脉冲耦合神经网络工作原理及特性 | 第15-28页 |
| ·脉冲耦合神经网络基本模型 | 第15-20页 |
| ·神经元 | 第15-16页 |
| ·人工神经网络 | 第16页 |
| ·脉冲耦合神经网络基本模型 | 第16-20页 |
| ·脉冲耦合神经网络工作原理 | 第20-23页 |
| ·脉冲耦合神经元的脉冲机制分析 | 第20-21页 |
| ·单个神经元动态行为分析 | 第21-22页 |
| ·多个神经元的动态行为分析 | 第22-23页 |
| ·脉冲耦合神经网络的特性 | 第23-24页 |
| ·实验与分析 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 文化算法的原理及分析 | 第28-46页 |
| ·进化算法起源及搜索策略 | 第28-31页 |
| ·进化算法的早期研究 | 第28-29页 |
| ·优化算法的搜索方法与策略 | 第29-31页 |
| ·遗传算法与进化规划 | 第31-37页 |
| ·遗传算法基本理论 | 第31-33页 |
| ·进化规划的基本模型 | 第33-34页 |
| ·进化规划与遗传算法的比较 | 第34-37页 |
| ·文化算法基本理论与分析 | 第37-41页 |
| ·文化算法基本框架 | 第37-39页 |
| ·文化算法中的信仰知识 | 第39-40页 |
| ·文化算法对其他进化算法的优势 | 第40-41页 |
| ·实验与分析 | 第41-45页 |
| ·具有不同影响函数的文化算法 | 第41-42页 |
| ·实验结果与分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 文化算法在PCNN参数标定中的应用 | 第46-61页 |
| ·引言 | 第46页 |
| ·图像分割的定义及其主要方法 | 第46-50页 |
| ·图像分割的定义 | 第46-47页 |
| ·图像分割的主要方法 | 第47-50页 |
| ·应用于图像分割的简化PCNN模型 | 第50-51页 |
| ·应用于 PCNN图像分割参数标定的文化算法 | 第51-55页 |
| ·实验结果及分析 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |
