| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-12页 |
| ·论文的研究背景 | 第7页 |
| ·粒子群优化算法的研究进展与现状 | 第7-8页 |
| ·选题的目的与意义 | 第8-9页 |
| ·论文的主要工作、创新点与结构安排 | 第9-12页 |
| ·论文的主要工作 | 第9-10页 |
| ·论文的主要创新点 | 第10-11页 |
| ·论文的结构安排 | 第11-12页 |
| 第二章 相关理论基础 | 第12-18页 |
| ·基本粒子群优化算法 | 第12-15页 |
| ·基本粒子群优化算法原理 | 第12-14页 |
| ·基本粒子群优化算法流程 | 第14-15页 |
| ·递推算法 | 第15-16页 |
| ·径向基函数网络模拟系统 | 第16-18页 |
| 第三章 递推粒子群优化算法 | 第18-31页 |
| ·递推粒子群优化算法的基本思想 | 第18-19页 |
| ·递推粒子群优化算法的流程 | 第19-20页 |
| ·递推最小二乘算法与递推粒子群优化算法的比较 | 第20-25页 |
| ·递推最小二乘算法和递推粒子群优化算法的异同点 | 第20-21页 |
| ·递推粒子群优化算法较递推最小二乘算法的优点 | 第21页 |
| ·基于递推粒子群优化算法和RLS的自适应FIR滤波器 | 第21-25页 |
| ·实验介绍 | 第21页 |
| ·M阶自适应FIR滤波器 | 第21-22页 |
| ·递推最小二乘算法递推公式 | 第22页 |
| ·递推粒子群算法的编码规则 | 第22页 |
| ·实验步骤 | 第22-23页 |
| ·实验结果与分析 | 第23-25页 |
| ·非平稳环境中递推粒子群算法仿真实验及结果分析 | 第25-30页 |
| ·实验简介 | 第25-26页 |
| ·递推粒子群对缓慢变化的最优解跟踪能力测试实验 | 第26-28页 |
| ·递推粒子群对随机跳变的最优解跟踪能力测试实验 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于递推粒子群优化算法的径向基函数模拟系统 | 第31-43页 |
| ·基于混合递推最小二乘粒子群优化算法的径向基函数模拟系统 | 第31页 |
| ·基于递推粒子群优化算法的径向基函数模拟系统 | 第31-32页 |
| ·递推粒子群优化算法在径向基函数模拟系统中的优势 | 第32-33页 |
| ·模拟实验和结果分析 | 第33-42页 |
| ·训练数据组大小的确定 | 第34页 |
| ·实验结果对比及分析 | 第34-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-44页 |
| ·全文总结 | 第43页 |
| ·下一步工作和展望 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 附录 | 第46-47页 |
| 研究生期间发表的论文 | 第47-48页 |
| 致谢 | 第48页 |
