| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第一章 引言 | 第6-11页 |
| ·研究背景及意义 | 第6-7页 |
| ·图像数据数学模型 | 第7-8页 |
| ·国内外研究动态 | 第8-9页 |
| ·本文主要工作及内容安排 | 第9-11页 |
| 第二章 神经网络和遗传算法的基本理论 | 第11-23页 |
| ·神经网络技术 | 第11-17页 |
| ·三层前馈BP 神经网络 | 第11-15页 |
| ·RBF 神经网络模型 | 第15-17页 |
| ·遗传算法理论 | 第17-23页 |
| ·染色体的编码 | 第18-19页 |
| ·适应度函数 | 第19页 |
| ·遗传操作 | 第19-21页 |
| ·重要参数的选择 | 第21-22页 |
| ·遗传算法的一般流程 | 第22-23页 |
| 第三章 基于遗传神经网络的背景杂波抑制技术 | 第23-30页 |
| ·问题的提出 | 第23页 |
| ·遗传算法优化BP 网络的背景杂波抑制 | 第23-26页 |
| ·基于BP 网络的背景杂波抑制 | 第23-25页 |
| ·遗传算法优化BP 网络的背景杂波抑制 | 第25-26页 |
| ·遗传算法优化RBF 网络的背景杂波抑制 | 第26-30页 |
| ·基于RBF 网络的背景杂波抑制 | 第26-28页 |
| ·遗传算法优化RBF 网络的背景杂波抑制 | 第28-30页 |
| 第四章 实验结果及其分析 | 第30-40页 |
| ·实验条件 | 第30-31页 |
| ·实验环境 | 第30页 |
| ·实验数据准备 | 第30-31页 |
| ·实验结果 | 第31-40页 |
| ·不同信噪比下不同背景的杂波抑制效果 | 第31-34页 |
| ·残留噪声的高斯性和独立性检验 | 第34-36页 |
| ·比较与分析 | 第36-40页 |
| 第五章 总结与展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 附录正态性检验、独立性检验以及经验概率密度函数理论 | 第46-48页 |
| 攻读学位期间发表的学术论文 | 第48-49页 |
| 致谢 | 第49页 |