| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究进展概述 | 第13-17页 |
| 1.3 主要研究内容 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 可拓神经网络基础理论 | 第18-30页 |
| 2.1 可拓学 | 第18-24页 |
| 2.1.1 基元理论 | 第18-20页 |
| 2.1.2 可拓集合 | 第20-21页 |
| 2.1.3 可拓方法及应用 | 第21-24页 |
| 2.2 可拓神经网络 | 第24-28页 |
| 2.2.1 ENN学习算法 | 第24-27页 |
| 2.2.2 ENN优缺点分析 | 第27页 |
| 2.2.3 ENN应用的可行性分析 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 3 基于DE-ENN的烟气轮机运行状态潜在风险识别研究 | 第30-42页 |
| 3.1 DE-ENN算法介绍 | 第30-33页 |
| 3.1.1 差分进化算法(DE) | 第30页 |
| 3.1.2 基于DE-ENN的分类算法 | 第30-33页 |
| 3.2 数值仿真 | 第33-35页 |
| 3.3 应用 | 第35-41页 |
| 3.3.1 烟气轮机工作原理 | 第35-36页 |
| 3.3.2 基于DE-ENN的烟汽轮机潜在风险识别 | 第36-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于降维框架与密度选择的可拓神经网络分类算法研究及应用 | 第42-58页 |
| 4.1 边界判别投影 | 第42-44页 |
| 4.2 样本选择 | 第44-46页 |
| 4.2.1 近邻传播算法 | 第44-45页 |
| 4.2.2 样本选择规则 | 第45-46页 |
| 4.3 基于MDP-ISAP的可拓神经网络分类算法 | 第46-49页 |
| 4.4 仿真测试及应用 | 第49-56页 |
| 4.4.1 数值仿真 | 第49-51页 |
| 4.4.2 参数敏感性分析 | 第51-54页 |
| 4.4.3 HDPE熔融指数预测 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 5 基于MultiBoost策略的集成可拓神经网络算法研究及应用 | 第58-74页 |
| 5.1 集成学习 | 第59页 |
| 5.2 Multi Boost算法介绍 | 第59-62页 |
| 5.2.1 Bagging算法和Wagging算法 | 第59-61页 |
| 5.2.2 AdaBoost算法 | 第61页 |
| 5.2.3 MultiBoost算法 | 第61-62页 |
| 5.3 基于MultiBoost策略的集成ENN分类算法 | 第62-65页 |
| 5.3.1 算法描述 | 第62-64页 |
| 5.3.2 泛化误差分析 | 第64-65页 |
| 5.4 应用 | 第65-72页 |
| 5.4.1 TE过程 | 第65-67页 |
| 5.4.2 实验与结果分析 | 第67-72页 |
| 5.5 本章小结 | 第72-74页 |
| 6 基于快速交替方向乘子法的ECT图像重建算法研究及应用 | 第74-92页 |
| 6.1 压缩感知理论 | 第75-76页 |
| 6.2 ECT介绍及其数学模型 | 第76-78页 |
| 6.2.1 ECT基本结构 | 第76-77页 |
| 6.2.2 ECT测量原理 | 第77-78页 |
| 6.3 基于快速交替方向乘子法的ECT图像重建 | 第78-84页 |
| 6.3.1 测量矩阵和稀疏表示 | 第78-79页 |
| 6.3.2 交替方向乘子法 | 第79-80页 |
| 6.3.3 快速交替方向乘子法 | 第80-84页 |
| 6.4 仿真及应用 | 第84-91页 |
| 6.4.1 静态实验与结果分析 | 第84-87页 |
| 6.4.2 应用及讨论 | 第87-91页 |
| 6.5 本章小结 | 第91-92页 |
| 7 结论与展望 | 第92-94页 |
| 7.1 结论 | 第92-93页 |
| 7.2 展望 | 第93-94页 |
| 参考文献 | 第94-103页 |
| 致谢 | 第103-104页 |
| 攻读硕士学位期间发表的学术论文目录 | 第104-105页 |
| 攻读硕士学位期间参与的科研项目情况 | 第105页 |
