| 第一章 绪论 | 第1-12页 |
| ·计算智能的提出、研究现状及发展 | 第7-8页 |
| ·计算智能主要研究内容 | 第8-9页 |
| ·人工神经网络基本概述 | 第9-10页 |
| ·课题选择背景、研究现状及其意义 | 第10-11页 |
| ·课题背景 | 第10-11页 |
| ·研究现状及其意义 | 第11页 |
| ·本文主要研究内容 | 第11-12页 |
| 第二章 Kohonen网络在烟叶分类中的应用研究 | 第12-21页 |
| ·传统烟叶分级作业过程及其弊端 | 第12页 |
| ·新的烟叶分类方法的提出 | 第12-13页 |
| ·Kohonen神经网络 | 第13-15页 |
| ·Kohonen网络结构模型及基本原理 | 第13-14页 |
| ·Kohonen神经网络算法设计 | 第14-15页 |
| ·Kohonen网络在烟叶分类中的应用及改进 | 第15-21页 |
| ·Kohonen网络存在的问题及其简单改进 | 第15-16页 |
| ·模糊Kohonen网络 | 第16-19页 |
| ·FKN在烟叶分类中应用 | 第19-21页 |
| 第三章 BP网络在卷烟感官质量和烟气指标预测中的应用 | 第21-38页 |
| ·卷烟感官质量评吸过程及其弊端 | 第21页 |
| ·卷烟烟气指标仪器检测及其弊端 | 第21-22页 |
| ·卷烟感官质量和烟气指标神经网络预测方法的提出 | 第22-23页 |
| ·BP神经网络基本原理 | 第23-26页 |
| ·BP神经网络的结构模型 | 第23-24页 |
| ·BP神经网络的学习算法 | 第24-26页 |
| ·传统BP网络存在的缺点 | 第26页 |
| ·BP神经网络的改进方法及其性能比较 | 第26-31页 |
| ·基于标准梯度下降的方法改进算法 | 第27-29页 |
| ·基于数值优化方法的网络训练算法 | 第29-31页 |
| ·BP网络在卷烟感官质量评吸中的应用设计 | 第31-38页 |
| ·BP网络学习率的自适应调整 | 第32-33页 |
| ·BP网络结构的改进 | 第33-34页 |
| ·改进后BP网络学习算法的设计 | 第34-35页 |
| ·学习样本数据预处理 | 第35-37页 |
| ·Kohonen网络和BP网络的集成应用 | 第37-38页 |
| 第四章 遗传算法在卷烟配方中的应用研究 | 第38-50页 |
| ·遗传算法 | 第38-43页 |
| ·遗传算法的工作机理 | 第38-39页 |
| ·基本遗传算法及遗传算子 | 第39-40页 |
| ·遗传算法的特点 | 第40页 |
| ·几种改进遗传算法的比较分析 | 第40-42页 |
| ·遗传算法在系统中应用改进 | 第42-43页 |
| ·用遗传算法求解最佳卷烟配方维护方案的研究 | 第43-47页 |
| ·卷烟配方维护设计 | 第43页 |
| ·遗传算法应用设计及分析 | 第43-47页 |
| ·用遗传算法求解最佳卷烟新配方的研究 | 第47-50页 |
| ·新卷烟产品设计 | 第47-48页 |
| ·遗传算法应用设计及分析 | 第48-50页 |
| 第五章 多种智能技术在卷烟系统中集成 | 第50-57页 |
| ·专家系统的基本原理 | 第50-51页 |
| ·模糊技术 | 第51-52页 |
| ·专家系统与神经网络集成 | 第52-53页 |
| ·模糊神经网络 | 第53-54页 |
| ·神经网络与遗传算法集成 | 第54-55页 |
| ·多种智能技术综合集成 | 第55-57页 |
| 第六章 系统设计及实现 | 第57-63页 |
| ·系统总体设计方案 | 第57-59页 |
| ·系统总体架构 | 第57-58页 |
| ·系统数据流程 | 第58页 |
| ·系统逻辑结构与物理结构 | 第58-59页 |
| ·应用纯面向对象的JAVA语言实现系统 | 第59-60页 |
| ·系统类的设计 | 第60-61页 |
| ·系统部分运行结果及分析 | 第61-63页 |
| 第七章 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 作者攻读硕士期间完成论文 | 第69页 |