| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·选题的目的和意义 | 第10页 |
| ·课题的研究现状和分析 | 第10-11页 |
| ·国外关于神经网络规则提取的研究 | 第10-11页 |
| ·国内关于神经网络规则提取的研究 | 第11页 |
| ·目前的发展趋势 | 第11-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第二章 规则提取的算法分类及典型算法 | 第14-19页 |
| ·引言 | 第14页 |
| ·规则提取算法分类 | 第14-18页 |
| ·ADT分类学 | 第14页 |
| ·分解型算法 | 第14-16页 |
| ·教学型算法 | 第16-17页 |
| ·折衷型算法 | 第17页 |
| ·复合型算法 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于KT方法的规则提取算法 | 第19-40页 |
| ·引言 | 第19-20页 |
| ·KT方法的算法模型 | 第20-32页 |
| ·KT方法的处理过程 | 第22-23页 |
| ·树型搜索中的剪枝规则 | 第23-25页 |
| ·树型搜索和规则重写处理 | 第25-32页 |
| ·KT方法的约束 | 第32页 |
| ·基于KT方法神经网络提取规则的试验与结果分析 | 第32-38页 |
| ·对三层前向网络的规则提取流程 | 第32-34页 |
| ·提取隐节点与输出节点间的规则集合 | 第34-36页 |
| ·提取输入节点与隐节点之间的规则集合 | 第36-37页 |
| ·提取规则的试验与结果分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于遗传算法的网络结构简化 | 第40-58页 |
| ·引言 | 第40-43页 |
| ·遗传算法简介 | 第41-42页 |
| ·交叉熵函数准则 | 第42-43页 |
| ·网络结构简化的算法模型 | 第43-55页 |
| ·运用遗传算法简化网络结构的处理流程 | 第43-45页 |
| ·个体的编码 | 第45-48页 |
| ·计算个体的适应值 | 第48-53页 |
| ·交叉和变异操作 | 第53-55页 |
| ·网络结构简化的试验和结果分析 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 基于聚类和KT方法的神经网络规则提取 | 第58-77页 |
| ·引言 | 第58-59页 |
| ·基于K均值聚类重构网络 | 第59-70页 |
| ·重构网络的处理流程 | 第59-61页 |
| ·节点聚类 | 第61-66页 |
| ·分裂节点和重构网络 | 第66-69页 |
| ·剪除小值连接并训练网络 | 第69-70页 |
| ·提取规则 | 第70-73页 |
| ·算法模型中存在的冲突域 | 第70-71页 |
| ·运用树型搜索提取规则 | 第71-73页 |
| ·基于聚类和KT方法的神经网络规则提取试验与结果分析 | 第73-75页 |
| ·本章小结 | 第75-77页 |
| 结论 | 第77-79页 |
| 本文的主要研究成果如下 | 第77页 |
| 本文算法的不足及后续工作的展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 附件 | 第85页 |