| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 神经网络研究背景 | 第8-11页 |
| 1.1.1 人工神经网络简介 | 第8-9页 |
| 1.1.2 脉冲耦合神经网络介绍 | 第9-11页 |
| 1.2 脉冲耦合神经网络研究现状 | 第11-13页 |
| 1.3 研究目的和意义 | 第13-14页 |
| 1.4 本文创新点及内容安排 | 第14-16页 |
| 2 PCNN 的基本理论 | 第16-30页 |
| 2.1 PCNN 的基本模型 | 第16-19页 |
| 2.1.1 PCNN 基本模型介绍 | 第16-18页 |
| 2.1.2 ICM 模型 | 第18-19页 |
| 2.2 PCNN 的工作原理 | 第19-23页 |
| 2.2.1 无耦合链接情况下的 PCNN 运行机制 | 第19-21页 |
| 2.2.2 有耦合链接情况下的 PCNN 运行机制 | 第21-23页 |
| 2.3 PCNN 的特性分析 | 第23-25页 |
| 2.4 PCNN 的性能参数 | 第25页 |
| 2.5 PCNN 的应用 | 第25-27页 |
| 2.6 PCNN 用于降噪的评价标准 | 第27-29页 |
| 2.7 本章小结 | 第29-30页 |
| 3 自适应突触链接强度 PCNN 图像滤波方法 | 第30-45页 |
| 3.1 简化 PCNN 模型及其改进模型 | 第30-33页 |
| 3.2 PCNN 的点火时间序列 | 第33页 |
| 3.3 自适应突触链接强度 PCNN 图像滤波 | 第33-37页 |
| 3.3.1 脉冲噪声滤波 | 第33-35页 |
| 3.3.2 高斯噪声滤波 | 第35-37页 |
| 3.4 仿真实验比较及结果分析 | 第37-43页 |
| 3.5 本章小结 | 第43-45页 |
| 4 自适应阈值 PCNN 数据降噪方法 | 第45-54页 |
| 4.1 数据降噪的自适应 PCNN 模型 | 第45-47页 |
| 4.2 数据降噪算法 | 第47-48页 |
| 4.3 实验测试及结果分析 | 第48-53页 |
| 4.3.1 图像降噪 | 第48-49页 |
| 4.3.2 一维数据降噪 | 第49页 |
| 4.3.3 二维数据降噪 | 第49-51页 |
| 4.3.4 算法运行时间测试 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 PCNN 在实际数据降噪中的应用研究 | 第54-66页 |
| 5.1 改进 PCNN 模型及其算法 | 第54-55页 |
| 5.2 改进 PCNN 对煤制甲醇数据降噪的应用研究 | 第55-59页 |
| 5.2.1 煤制甲醇简介 | 第55-56页 |
| 5.2.2 煤制甲醇数据降噪 | 第56-59页 |
| 5.3 改进 PCNN 对带钢热镀锌数据降噪的应用研究 | 第59-65页 |
| 5.3.1 带钢热镀锌简介 | 第59-61页 |
| 5.3.2 带钢热镀锌数据降噪 | 第61-65页 |
| 5.4 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-75页 |
| 在学研究成果 | 第75-76页 |
| 致谢 | 第76页 |
