首页--工业技术论文--无线电电子学、电信技术论文--无线电导航论文--各种体制的导航系统论文

改进BPNN模式识别算法在消除INS漂移误差中的应用

摘要第1-4页
ABSTRACT第4-10页
第1章 绪论第10-20页
   ·课题背景和意义第10-11页
   ·地形辅助惯性自主导航技术的发展现状第11-12页
     ·国外该领域的发展第11-12页
     ·国内该领域的发展现状第12页
     ·总结第12页
   ·地形辅助惯性自主导航技术的算法第12-18页
     ·重力辅助惯性导航的匹配算法第12-13页
     ·基于衰减记忆的辅助惯性导航的匹配算法第13-14页
     ·基于贝叶斯的辅助惯性导航的匹配算法第14-15页
     ·基于迭代最近点的辅助惯性导航算法第15页
     ·基于粒子滤波的辅助惯性导航算法第15-16页
     ·基于声纳技术的辅助惯性导航方法第16-17页
     ·基于概率数据关联的辅助惯性导航算法第17页
     ·基于成像激光雷达辅助惯性导航方法第17-18页
   ·本文的研究工作第18-20页
第2章 人工神经网络模型第20-36页
   ·人工神经网络的介绍第20-24页
     ·人工神经网络的发展史第20-21页
     ·人工神经网络的应用第21页
     ·人工神经网络的结构第21-22页
     ·人工神经网络的特点第22-23页
     ·人工神经网络的学习方式第23-24页
   ·误差反向传播的人工神经网络-BP 网络第24-34页
     ·典型的三层神经网络结构模型第24-26页
     ·BP 网络的学习算法第26-30页
     ·BP 网络算法的比较分析第30-31页
     ·BP 网络的局限性分析第31-32页
     ·BP 网络泛化能力的提高方法第32页
     ·BP 网络的设计方法第32-34页
   ·径向基神经网络-RBF第34-36页
     ·径向基神经网络概述第34页
     ·径向基神经网络三种常用结构模型第34-36页
第3章 模式识别技术第36-43页
   ·模式识别的简要概述第36页
   ·模式识别的研究方法第36-37页
     ·典型模式识别系统的组成第36页
     ·模式识别各阶段的主要作用第36-37页
     ·典型模式识别系统的识别学习过程第37页
   ·模式识别方法第37-39页
     ·统计模式识别第38页
     ·结构模式识别第38-39页
     ·模糊模式识别第39页
     ·神经网络模式识别第39页
   ·BP 神经网络模式识别算法第39-42页
     ·BP 网络模式识别的两阶段第39-40页
     ·BP 网络模式识别的数学模型第40-42页
   ·本章小结第42-43页
第4章 数字地图的建立第43-51页
   ·数字地图的描述第43-44页
   ·研究数字地图的重要性第44-45页
   ·数字地图的精度第45-46页
   ·数字地图的产生第46-50页
   ·本章小结第50-51页
第5章 数字地图辅助惯导系统及算法第51-66页
   ·地形辅助惯导组成及原理第51-53页
   ·地形辅助惯性导航的几项技术第53-55页
   ·地形辅助惯导系统导航的匹配算法第55-60页
     ·最小相似度量算法和相关算法第55-57页
     ·匹配搜索算法第57-60页
   ·SITAN 算法第60-62页
     ·算法原理第60-61页
     ·算法特点第61-62页
   ·地形熵匹配算法第62-63页
     ·地形熵的定义第62页
     ·算法基本思想第62-63页
     ·算法的缺陷分析第63页
   ·基于改进BP 神经网络模式识别匹配法第63-65页
     ·算法思想第63页
     ·算法的流程第63-65页
     ·算法的特点第65页
   ·本章小结第65-66页
第6章 改进BP 神经网络模式识别算法仿真第66-77页
   ·仿真参数选择第66页
   ·仿真分析第66-76页
     ·仿真实例一第66-71页
     ·仿真实例二第71-75页
     ·匹配率仿真分析第75-76页
   ·本章小结第76-77页
第7章 结论第77-79页
   ·论文的主要工作和创新点第77-79页
     ·本文的主要工作第77-78页
     ·本文的创新点第78-79页
参考文献第79-84页
致谢第84-85页
附录第85-87页

论文共87页,点击 下载论文
上一篇:事件驱动型无线传感器网络链路质量监视机制研究
下一篇:中国新自由主义思潮评析