| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题研究的背景与意义 | 第9-10页 |
| ·国内外研究现状及分析 | 第10-13页 |
| ·论文主要内容及安排 | 第13-15页 |
| 2 基于奇异值分解的小波网络隐层节点选择算法 | 第15-27页 |
| ·小波网络的基础知识 | 第15-18页 |
| ·小波变换与框架 | 第15-16页 |
| ·小波网络 | 第16-18页 |
| ·基于奇异值分解的离散小波网络节点选择 | 第18-22页 |
| ·Classic正交化方法 | 第18-19页 |
| ·奇异值分解与PRESS statistic相结合的选择算法 | 第19-20页 |
| ·基于交叉检验的PRESS统计方法 | 第20-22页 |
| ·仿真实例分析 | 第22-25页 |
| ·小结 | 第25-27页 |
| 3 粒子群算法与自适应小波网络 | 第27-38页 |
| ·粒子群算法 | 第27-29页 |
| ·自适应小波网络 | 第29-33页 |
| ·小波分解与逼近 | 第29-30页 |
| ·使用连续小波分解 | 第30页 |
| ·小波网络和其参数 | 第30-31页 |
| ·学习算法 | 第31页 |
| ·处理尺度以及旋转矩阵 | 第31-33页 |
| ·粒子群与自适应小波网络的结合算法 | 第33-34页 |
| ·仿真实例分析 | 第34-36页 |
| ·小结 | 第36-38页 |
| 4 小波分析与神经网络学习算法的融合 | 第38-50页 |
| ·小波多分辨率分析 | 第38-39页 |
| ·非支配多目标粒子群算法 | 第39-42页 |
| ·小波多分辨率表达与神经网络相结合的学习算法 | 第42-45页 |
| ·仿真实例 | 第45-49页 |
| ·小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-58页 |