| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 流场特征可视化 | 第11-12页 |
| 1.2.2 卷积神经网络 | 第12-13页 |
| 1.3 论文的主要工作 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 流场可视化方法与CNN概论 | 第16-30页 |
| 2.1 流场可视化基本理论 | 第16-19页 |
| 2.1.1 流场可视化流程 | 第16-17页 |
| 2.1.2 流场可视化方法 | 第17-19页 |
| 2.2 特征可视化与Focus+Context技术 | 第19-21页 |
| 2.2.1 特征可视化方法 | 第19-20页 |
| 2.2.2 Focus+Context技术理论 | 第20-21页 |
| 2.3 CNN基本理论 | 第21-27页 |
| 2.3.1 神经元 | 第21-22页 |
| 2.3.2 前馈运算与误差逆传播 | 第22-25页 |
| 2.3.3 卷积与子采样 | 第25-27页 |
| 2.4 CNN特征可视化的提出 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 神经网络流场特征识别方法 | 第30-44页 |
| 3.1 数据集与样本处理 | 第30-31页 |
| 3.2 单隐层BP网络模型 | 第31-32页 |
| 3.3 CNN特征识别模型 | 第32-37页 |
| 3.3.1 多尺寸卷积核的网络结构 | 第32-35页 |
| 3.3.2 CNN层级参数设置 | 第35-37页 |
| 3.4 实验环境及识别结果 | 第37-38页 |
| 3.5 评价指标及对比分析 | 第38-40页 |
| 3.6 匹配度影响的讨论 | 第40-42页 |
| 3.7 本章小结 | 第42-44页 |
| 第4章 CNN特征可视化方法 | 第44-58页 |
| 4.1 CNN特征可视化方法概述 | 第44-45页 |
| 4.2 特征可视化流程 | 第45-54页 |
| 4.2.1 原始数据预处理 | 第45-46页 |
| 4.2.2 特征区域预选 | 第46-49页 |
| 4.2.3 C域与F域划分 | 第49-50页 |
| 4.2.4 平滑抽稀计算 | 第50-52页 |
| 4.2.5 数据合成映射 | 第52-54页 |
| 4.3 交互式特征可视化软件 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |