| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 概述 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 BP神经网络 | 第10-11页 |
| 1.2.2 核方法 | 第11-12页 |
| 1.3 本文研究的主要内容及方法 | 第12-14页 |
| 第二章 BP神经网络 | 第14-22页 |
| 2.1 BP神经网络基本算法 | 第14-16页 |
| 2.2 BP神经网络结构确定 | 第16-18页 |
| 2.3 BP神经网络性能分析 | 第18-19页 |
| 2.4 数值实验 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 RBF神经网络 | 第22-39页 |
| 3.1 RBF神经网络结构 | 第22-23页 |
| 3.2 RBF神经网络参数选取 | 第23-25页 |
| 3.3 RBF神经网络学习算法 | 第25-29页 |
| 3.4 确定RBF输出层权值的Schmidt正交基变换方法 | 第29-36页 |
| 3.4.1 算法思想 | 第29-31页 |
| 3.4.2 算法推导及算法流程 | 第31-35页 |
| 3.4.3 实例验证 | 第35-36页 |
| 3.5 数值实验 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 核方法 | 第39-50页 |
| 4.1 核方法简介 | 第39-41页 |
| 4.1.1 核方法基本原理 | 第39-40页 |
| 4.1.2 核函数 | 第40-41页 |
| 4.2 支持向量机 | 第41-43页 |
| 4.2.1 线性支持向量机 | 第41-43页 |
| 4.2.2 非线性支持向量机 | 第43页 |
| 4.3 核Fisher判别分析 | 第43-46页 |
| 4.3.1 Fisher判别分析原理 | 第43-44页 |
| 4.3.2 核Fisher判别分析原理 | 第44-46页 |
| 4.4 数值实验 | 第46-49页 |
| 4.4.1 实验一 | 第46-48页 |
| 4.4.2 实验二 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 BP-Fisher判别分析法 | 第50-57页 |
| 5.1 BP-Fisher判别分析基本原理 | 第50-51页 |
| 5.2 差分进化算法优化模型 | 第51-52页 |
| 5.2.1 标准差分进化算法 | 第51-52页 |
| 5.2.2 差分进化算法优化模型 | 第52页 |
| 5.3 算法步骤与流程图 | 第52-54页 |
| 5.4 数值实验 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 基于改进类间散布矩阵的BP-Fisher判别分析法 | 第57-61页 |
| 6.1 改进BP-Fisher判别分析方法原理 | 第57-58页 |
| 6.2 判别准则 | 第58-59页 |
| 6.3 数值实验 | 第59-60页 |
| 6.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 总结 | 第61-62页 |
| 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68页 |