| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-22页 |
| ·小波分析的理论基础 | 第11-17页 |
| ·小波的理论背景 | 第11-13页 |
| ·连续小波变换和离散小波变换 | 第13-14页 |
| ·常用小波函数 | 第14-17页 |
| ·人工神经网络 | 第17-18页 |
| ·油气层识别研究现状 | 第18-21页 |
| ·结语 | 第21-22页 |
| 第二章 基于小波变换模极大值的信号去噪方法 | 第22-30页 |
| ·小波变换模极大值的定义 | 第22页 |
| ·Lipschitz 指数 | 第22-23页 |
| ·小波变换与信号的奇异性 | 第23-24页 |
| ·信号的奇异性检测与小波变换模极大值 | 第24-25页 |
| ·信号的奇异点的小波变换模极大值的尺度传播特性 | 第25页 |
| ·白噪声的小波变换模极大值的尺度传播特性 | 第25页 |
| ·基于小波变换模极大值的信号去噪算法 | 第25-28页 |
| ·基于模极大值的信号去噪实验结果分析 | 第28-29页 |
| ·结语 | 第29-30页 |
| 第三章 小波神经网络模型及算法研究 | 第30-36页 |
| ·小波神经网络的提出 | 第30页 |
| ·小波神经网络的发展 | 第30-31页 |
| ·小波神经网络的分类 | 第31页 |
| ·小波神经网络模型 | 第31-33页 |
| ·用改进的BP 算法训练小波神经网络 | 第33-35页 |
| ·改进的BP 算法 | 第33-34页 |
| ·用改进的BP 算法训练小波神经网络 | 第34-35页 |
| ·结语 | 第35-36页 |
| 第四章 基于小波分析和过程神经网络的模式识别 | 第36-44页 |
| ·离散过程神经元 | 第36-37页 |
| ·离散过程神经元网络 | 第37-38页 |
| ·连续小波过程神经元网络 | 第38-40页 |
| ·模型结构 | 第38-39页 |
| ·学习算法 | 第39-40页 |
| ·应用实例 | 第40页 |
| ·小波变换模极大值与过程神经网络集成模型 | 第40-43页 |
| ·模型结构 | 第41页 |
| ·学习过程 | 第41-43页 |
| ·结语 | 第43-44页 |
| 第五章小波变换模极大值和过程神经网络的融合模型在油气层识别中的应用 | 第44-47页 |
| ·测井信号的噪声模型 | 第44页 |
| ·过程神经元网络的油气层识别 | 第44-46页 |
| ·模式特征曲线的选取 | 第44页 |
| ·测井资料归一化 | 第44-45页 |
| ·网络学习及油气层的判别 | 第45-46页 |
| ·结语 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 发表文章目录 | 第51-52页 |
| 致谢 | 第52-53页 |
| 详细摘要 | 第53-60页 |