| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 课题研究意义 | 第12页 |
| 1.2 BP网络关键技术的研究状况 | 第12-14页 |
| 1.2.1 收敛速度研究状况 | 第12-13页 |
| 1.2.2 局部极值的研究现状 | 第13-14页 |
| 1.2.3 网络结构和节点数的研究现状 | 第14页 |
| 1.2.4 训练样本预处理算法的研究现状 | 第14页 |
| 1.3 论文的主要成果及章节安排 | 第14-17页 |
| 1.3.1 论文主要成果 | 第14-15页 |
| 1.3.2 论文章节安排 | 第15-17页 |
| 第二章 BP网络基本原理与关键技术分析 | 第17-28页 |
| 2.1 BP网络基本原理 | 第17-20页 |
| 2.1.1 人工神经元 | 第17页 |
| 2.1.2 BP网络模型 | 第17-18页 |
| 2.1.3 误差反向传播算法 | 第18-20页 |
| 2.2 附加动量项和学习率自调整学习方法 | 第20-22页 |
| 2.2.1 BP网络训练问题总结 | 第20-21页 |
| 2.2.2 附加动量项和学习率自调整 | 第21-22页 |
| 2.3 BP网络平台设计与性能指标分析 | 第22-26页 |
| 2.3.1 BP网络实验平台设计 | 第22-24页 |
| 2.3.2 网络性能指标分析 | 第24-26页 |
| 2.4 训练样本集对BP网络性能的影响分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于改进SFS的BP网络输入样本降维算法 | 第28-37页 |
| 3.1 SFS算法模型和缺陷分析 | 第28-30页 |
| 3.1.1 SFS算法模型 | 第28-29页 |
| 3.1.2 SFS算法缺陷分析 | 第29-30页 |
| 3.2 基于识别正确率测试反馈的SFS改进算法 | 第30-31页 |
| 3.3 改进SFS算法实现与仿真实验 | 第31-36页 |
| 3.3.1 改进算法实现 | 第31-32页 |
| 3.3.2 实验仿真与分析 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 BP网络训练集修剪与分布处理算法 | 第37-48页 |
| 4.1 基于改进Depuration算法修剪干扰样本 | 第37-42页 |
| 4.1.1 Depuration算法原理 | 第37-38页 |
| 4.1.2 Depuration算法缺陷性分析 | 第38页 |
| 4.1.3 改进Depuration算法 | 第38-39页 |
| 4.1.4 实验仿真与分析 | 第39-42页 |
| 4.2 样本输入顺序随机均匀分布 | 第42-47页 |
| 4.2.1 样本输入顺序与BP网络收敛速度关系的数学分析 | 第42-43页 |
| 4.2.2 样本随机均匀分布的数学模型 | 第43-45页 |
| 4.2.3 样本随机均匀分布的输入顺序与BP网络收敛速度的关系 | 第45-46页 |
| 4.2.4 实验仿真与分析 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 综合改进BP网络算法实现与应用 | 第48-60页 |
| 5.1 CBp Net神经网络训练识别类模块设计与实现 | 第48-51页 |
| 5.1.1 CBp Net类模块结构设计 | 第48-49页 |
| 5.1.2 CBp Net类模块主要函数 | 第49-51页 |
| 5.1.3 CBp Net类的特点 | 第51页 |
| 5.2 改进BP网络在显微镜体液图像识别系统中的应用 | 第51-56页 |
| 5.2.1 显微镜体液图像识别系统介绍 | 第51-53页 |
| 5.2.2 显微镜体液图像识别系统结构设计 | 第53-54页 |
| 5.2.3 实验结果及分析： | 第54-56页 |
| 5.3 改进BP网络在试纸颜色识别系统中的应用 | 第56-59页 |
| 5.3.1 试纸颜色识别系统介绍 | 第56页 |
| 5.3.2 试纸颜色识别系统结构设计 | 第56-57页 |
| 5.3.3 实验结果及分析 | 第57-59页 |
| 5.4 改进BP网络在武警搜索XXX目标定位系统中的应用 | 第59页 |
| 5.5 本章小节 | 第59-60页 |
| 结束语 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者在学期间取得的学术成果 | 第67页 |
