基于演化模糊神经网络的高速公路浅层质量评价算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-16页 |
| ·课题来源、选题背景与研究意义 | 第8-10页 |
| ·高速公路浅层质量自动检测的研究现状 | 第10-12页 |
| ·演化模糊神经网络的应用现状 | 第12页 |
| ·本文主要研究工作 | 第12-14页 |
| ·本文章节安排 | 第14-16页 |
| 第2章 探地雷达数据预处理 | 第16-30页 |
| ·探地雷达杂波抑制处理 | 第16-20页 |
| ·滑动平均法 | 第17-18页 |
| ·带通滤波法 | 第18页 |
| ·奇异值分解滤波法 | 第18-20页 |
| ·层界面检测与平滑 | 第20-27页 |
| ·基于信号处理的层界面检测与平滑 | 第20-23页 |
| ·基于图像处理的层界面检测与平滑 | 第23-27页 |
| ·ROI提取 | 第27-28页 |
| ·特征提取 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 演化模糊神经网络 | 第30-49页 |
| ·模糊神经网络 | 第30-37页 |
| ·模糊神经网络的分类 | 第30-31页 |
| ·模糊神经元 | 第31-32页 |
| ·模糊神经网络的结构及学习算法 | 第32-37页 |
| ·模糊C-均值聚类算法 | 第37-38页 |
| ·演化聚类算法 | 第38-42页 |
| ·演化模糊聚类算法 | 第42页 |
| ·演化模糊神经网络 | 第42-48页 |
| ·演化算法 | 第43页 |
| ·演化联结系统(ECOS) | 第43-44页 |
| ·演化模糊神经网络(EFuNN)的结构 | 第44-47页 |
| ·演化模糊神经网络(EFuNN)的学习算法 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 实验结果及其分析 | 第49-60页 |
| ·实验研究方案 | 第49-53页 |
| ·实验研究方案的设计 | 第49-51页 |
| ·演化模糊神经网络模型的建立 | 第51-53页 |
| ·EFuNN训练样本与测试样本的选取 | 第53-54页 |
| ·特征向量数据处理 | 第54-56页 |
| ·EFuNN模式识别结果 | 第56-58页 |
| ·训练结果 | 第56-57页 |
| ·测试结果 | 第57-58页 |
| ·基于EFuNN的高速公路浅层质量评价数据处理 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 全文总结及工作展望 | 第60-62页 |
| ·全文总结 | 第60页 |
| ·工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间的研究成果 | 第67页 |
