| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-14页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 选题的目的和意义 | 第12页 |
| 1.4 课题研究的主要内容 | 第12-14页 |
| 2 矿产资源的特征 | 第14-19页 |
| 2.1 矿产资源的形态 | 第14页 |
| 2.2 矿产资源的化学组成 | 第14页 |
| 2.3 矿产资源的物理性质 | 第14-18页 |
| 2.3.1 矿产资源的颜色 | 第16页 |
| 2.3.2 矿产资源的光泽 | 第16页 |
| 2.3.3 矿产资源的条痕 | 第16-17页 |
| 2.3.4 矿产资源的透明度 | 第17页 |
| 2.3.5 矿产资源的解理 | 第17-18页 |
| 2.3.6 矿产资源的硬度 | 第18页 |
| 2.3.7 矿产资源的断口 | 第18页 |
| 2.3.8 矿产资源的其它物理性质 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 人工神经网络 | 第19-28页 |
| 3.1 人工神经网络的分类 | 第19-20页 |
| 3.2 人工神经网络的学习规则 | 第20-21页 |
| 3.3 人工神经网络的特点 | 第21-22页 |
| 3.4 基本 BP 神经网络 | 第22-27页 |
| 3.4.1 BP 神经网络 | 第22页 |
| 3.4.2 BP 神经网络算法 | 第22-24页 |
| 3.4.3 基本 BP 算法的局限性 | 第24-25页 |
| 3.4.4 基本 BP 算法的改进 | 第25-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4 基于 BP 神经网络的矿产资源分类与鉴别模型的建立 | 第28-39页 |
| 4.1 矿产资源主要特征因素的选取 | 第29页 |
| 4.2 BP 神经网络输入数据的预处理 | 第29-31页 |
| 4.3 BP 神经网络拓扑结构的研究 | 第31页 |
| 4.4 BP 神经网络参数的选取 | 第31-37页 |
| 4.5 BP 神经网络的测试分析 | 第37页 |
| 4.6 本章小结 | 第37-39页 |
| 5 基于 BP 神经网络的矿产资源分类与鉴别系统研究 | 第39-66页 |
| 5.1 矿产资源实验样本的选取 | 第39页 |
| 5.2 矿产资源分类与鉴别系统的研究内容 | 第39页 |
| 5.3 黑色金属矿石分类与鉴别实验 | 第39-56页 |
| 5.3.1 黑色金属矿石实验数据的处理 | 第39-41页 |
| 5.3.2 黑色金属矿石实验数据的预处理 | 第41-42页 |
| 5.3.3 网络函数及参数的选择 | 第42页 |
| 5.3.4 系统对黑色金属矿石数据的训练及测试结果分析 | 第42-56页 |
| 5.4 有色金属矿石分类与鉴别实验 | 第56-65页 |
| 5.4.1 有色金属矿石实验数据的处理 | 第56-58页 |
| 5.4.2 系统对有色金属矿石数据的训练及测试结果分析 | 第58-63页 |
| 5.4.3 铅矿石和铀矿石分类与鉴别实验 | 第63-65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 结论与展望 | 第66-68页 |
| 6.1 论文结论 | 第66页 |
| 6.2 论文展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 在学研究成果 | 第72-73页 |
| 致谢 | 第73页 |
