免疫粒子群算法优化小波神经网络的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究背景及意义 | 第9-12页 |
| ·本文结构 | 第12-15页 |
| 第二章 小波神经网络 | 第15-33页 |
| ·小波理论的发展 | 第15-20页 |
| ·傅里叶变换到小波变换 | 第15-16页 |
| ·小波变换 | 第16-20页 |
| ·小波神经网络概述 | 第20-24页 |
| ·常用的训练法 | 第24-31页 |
| ·梯度下降法 | 第24-25页 |
| ·模拟退火算法 | 第25-27页 |
| ·遗传算法 | 第27-31页 |
| ·小结 | 第31-33页 |
| 第三章 免疫粒子群算法 | 第33-55页 |
| ·粒子群优化算法介绍 | 第33-40页 |
| ·基本理论 | 第33-34页 |
| ·约束优化 | 第34-35页 |
| ·优缺点 | 第35-36页 |
| ·参数的选取 | 第36-39页 |
| ·算法的程序设计 | 第39-40页 |
| ·相关的改进方法 | 第40-49页 |
| ·压缩因子粒子群 | 第40-41页 |
| ·权重改进粒子群 | 第41-43页 |
| ·变学习因子粒子群 | 第43-44页 |
| ·二阶粒子群 | 第44页 |
| ·二阶振荡粒子群 | 第44-45页 |
| ·混沌粒子群 | 第45-47页 |
| ·混合粒子群 | 第47-49页 |
| ·本文改进方法 | 第49-53页 |
| ·人工免疫概述 | 第49-51页 |
| ·IPSO算法 | 第51-53页 |
| ·验证算法 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第四章 IPSO训练小波网络 | 第55-59页 |
| ·优化网络的基本思路 | 第55-56页 |
| ·优化网络的详细方案 | 第56-57页 |
| ·选取隐层函数 | 第56-57页 |
| ·免疫粒子群算法的具体流程 | 第57页 |
| ·小结 | 第57-59页 |
| 第五章 实验仿真与相关应用 | 第59-67页 |
| ·实验模型构造与数据分析 | 第59-62页 |
| ·单目标跟踪中的应用 | 第62-66页 |
| ·原理研究 | 第62-63页 |
| ·仿真实验 | 第63-66页 |
| ·小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·全文总结 | 第67-68页 |
| ·全文展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间发表的学术论文 | 第75-77页 |
| 攻读硕士学位期间参加的科研项目 | 第77页 |
