RBF神经网络的研究与应用
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 引言 | 第6-7页 |
| 第一章 绪论 | 第7-12页 |
| ·神经网络技术的发展与现状 | 第7-10页 |
| ·本文的主要研究内容与创新点 | 第10-12页 |
| ·主要研究内容 | 第10-11页 |
| ·主要创新点 | 第11-12页 |
| 第二章 RBFNN权值算法研究 | 第12-18页 |
| ·M-P伪逆算法 | 第13页 |
| ·递推最小二乘算法 | 第13-15页 |
| ·递推正交最小二乘法 | 第15-18页 |
| 第三章 微菌群算法 | 第18-28页 |
| ·细菌算法 | 第18-20页 |
| ·BCC算法 | 第20-22页 |
| ·引诱剂环境下细菌信息交互模式 | 第20-21页 |
| ·BCC算法描述 | 第21-22页 |
| ·M-BCC算法 | 第22-23页 |
| ·仿真与讨论 | 第23-28页 |
| 第四章 RBFNN的结构优化算法 | 第28-38页 |
| ·K-means算法 | 第28-29页 |
| ·ROLS算法 | 第29-30页 |
| ·混合结构优化算法 | 第30-32页 |
| ·改进 ROLS算法 | 第30-31页 |
| ·微细菌群体趋药性算法优化隐单元控制参数 | 第31-32页 |
| ·ROLS-MBCC优化RBFNN结构 | 第32-33页 |
| ·仿真试验 | 第33-35页 |
| ·双螺旋分类 | 第33-34页 |
| ·IRIS分类问题 | 第34-35页 |
| ·结论 | 第35-38页 |
| 第五章 RBFNN在车牌识别中的应用 | 第38-49页 |
| ·车牌字符识别技术研究的目的与发展现状 | 第38-39页 |
| ·我国车牌字符特点 | 第39-40页 |
| ·目前在车牌字符识别中的技术 | 第40-41页 |
| ·基于模板匹配的字符识别算法 | 第40页 |
| ·句法结构识别 | 第40页 |
| ·特征匹配法 | 第40-41页 |
| ·神经网络模式识别方法 | 第41页 |
| ·基于RBFNN车牌识别的输入讨论 | 第41-42页 |
| ·非全字符输入 | 第42-44页 |
| ·非全字符 | 第42-43页 |
| ·多层识别器 | 第43-44页 |
| ·仿真试验与讨论 | 第44-49页 |
| ·算法对比 | 第44-46页 |
| ·全字符输入和非全字符输入对比 | 第46-47页 |
| ·鲁棒性实验 | 第47-49页 |
| 第六章 总结和展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间的研究成果 | 第53-54页 |
| 致谢 | 第54-55页 |
