| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| ·课题研究的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·RBF神经网络的研究现状 | 第10-12页 |
| ·ACC算法的研究现状 | 第12-13页 |
| ·研究内容和思路 | 第13-14页 |
| ·本文结构和内容安排 | 第14-15页 |
| 2 径向基函数(RBF)神经网络概述 | 第15-20页 |
| ·RBF神经网络的结构和原理 | 第15-17页 |
| ·RBF神经网络学习算法 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 3 改进蚁群聚类(IACC)算法优化RBF神经网络的研究 | 第20-41页 |
| ·基于觅食原理的蚁群聚类算法 | 第20-21页 |
| ·基于蚁堆原理的蚁群聚类算法 | 第21-25页 |
| ·BM(Basic Model)模型 | 第21-24页 |
| ·AM(Ant Movement)模型 | 第24-25页 |
| ·IACC算法的实现 | 第25-31页 |
| ·IACC算法的基本思路 | 第25页 |
| ·IACC算法的具体步骤 | 第25-28页 |
| ·IACC算法的实验分析 | 第28-31页 |
| ·IACC算法对RBF神经网络的优化 | 第31-39页 |
| ·优化的基本思路及实现步骤 | 第31-32页 |
| ·实验测试及分析 | 第32-39页 |
| ·本章小结 | 第39-41页 |
| 4 优化的RBF神经网络在水处理系统中的应用 | 第41-50页 |
| ·水处理PH值控制系统的研究现状 | 第41-42页 |
| ·基于优化RBF神经网络的PID控制 | 第42-46页 |
| ·PID控制概述 | 第42-43页 |
| ·数字PID控制算法 | 第43-45页 |
| ·基于优化RBF神经网络的PID控制算法 | 第45-46页 |
| ·控制系统仿真实验 | 第46-49页 |
| ·控制对象描述 | 第46-47页 |
| ·仿真实验及分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 5 结论与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第56页 |