| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·选题意义与研究背景 | 第9-10页 |
| ·粮情控制智能决策系统课题及本课题来源 | 第10-11页 |
| ·研究现状 | 第11页 |
| ·本文的研究内容 | 第11-13页 |
| 第二章 粒子群算法概述 | 第13-26页 |
| ·基本粒子群算法 | 第13-15页 |
| ·粒子群算法基本原理 | 第13-14页 |
| ·粒子群算法数学描述 | 第14页 |
| ·粒子群算法流程 | 第14-15页 |
| ·粒子群算法研究现状 | 第15-18页 |
| ·粒子群算法的应用现状 | 第18-19页 |
| ·混沌粒子群优化算法 | 第19-21页 |
| ·混沌运动及其特性 | 第19-20页 |
| ·混沌粒子群算法基本思想 | 第20页 |
| ·混沌粒子群算法基本流程 | 第20-21页 |
| ·人工神经网络 | 第21-23页 |
| ·生物神经元 | 第21-22页 |
| ·人工神经元 | 第22-23页 |
| ·人工神经网络特点 | 第23-24页 |
| ·人工神经网络模型 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于模糊神经网络的粮情检测算法 | 第26-38页 |
| ·模糊神经网络 | 第26-27页 |
| ·模糊神经网络的产生 | 第26页 |
| ·模糊逻辑与人工神经网络的比较 | 第26页 |
| ·模糊神经网络的拓扑结构 | 第26-27页 |
| ·基于模糊神经网络的粮情检测算法 | 第27-32页 |
| ·基于模糊神经网络的粮情检测算法基本结构 | 第27-29页 |
| ·基于模糊神经网络的粮情检测算法模型分析 | 第29-30页 |
| ·模糊神经网络的训练 | 第30-32页 |
| ·基于模糊神经网络的粮情检测算法性能分析 | 第32-37页 |
| ·基于模糊神经网络的粮情检测算法对温度场检测及分析 | 第32-35页 |
| ·基于模糊神经网络的粮情检测算法对湿度场检测及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于混沌粒子群优化神经网络的粮情检测算法 | 第38-56页 |
| ·基本粒子群优化神经网络 | 第38-41页 |
| ·粒子群算法优化神经网络的基本思想 | 第38-39页 |
| ·粒子群算法优化 BP 神经网络算法流程 | 第39-40页 |
| ·基本粒子群算法优化 BP 网络存在的问题 | 第40-41页 |
| ·基于混沌粒子群优化的神经网络 | 第41-45页 |
| ·粒子群算法的早熟判断机制 | 第42页 |
| ·变异混沌算子 | 第42-43页 |
| ·利用混沌粒子群更新神经网络参数 | 第43-45页 |
| ·基于改进的混沌粒子群自适应系统优化算法流程 | 第45页 |
| ·基于混沌粒子群优化神经网络的粮情检测算法性能分析 | 第45-54页 |
| ·基于混沌粒子群优化神经网络的粮情检测算法对温度场的检测及分析 | 第46-50页 |
| ·基于混沌粒子群优化神经网络的粮情检测算法对湿度场的检测及分析 | 第50-54页 |
| ·粮情检测算法在系统中的应用与分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·课题总结 | 第56-57页 |
| ·后续研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 个人简历在学习期间的研究成果及发表的学术论文 | 第64页 |
