| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·国内外的研究现状 | 第9-12页 |
| ·理论方面的研究 | 第9-10页 |
| ·思想方法的研究 | 第10-11页 |
| ·技术手段的研究 | 第11-12页 |
| ·论文的研究内容和结构安排 | 第12-14页 |
| ·论文的研究内容 | 第12-13页 |
| ·论文的结构安排 | 第13-14页 |
| 第二章 相关理论与技术 | 第14-27页 |
| ·BP 神经网络理论 | 第14-20页 |
| ·BP 神经网络结构 | 第14-17页 |
| ·BP 神经网络的学习 | 第17-20页 |
| ·主成分分析法 | 第20-22页 |
| ·主成分分析法概念 | 第20页 |
| ·主成分分析的数学模型 | 第20-21页 |
| ·主成分分析计算步骤 | 第21-22页 |
| ·遗传算法 | 第22-26页 |
| ·遗传算法概念 | 第22页 |
| ·遗传算法的基本特点 | 第22-23页 |
| ·遗传算法的基本描述 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于PCA 的GA-BP 神经网络改进算法 | 第27-36页 |
| ·GA-BP 神经网络 | 第27-28页 |
| ·基于PCA 的GA-BP 神经网络改进算法 | 第28-30页 |
| ·基于PCA 的GA-BP 神经网络改进算法的思想 | 第28页 |
| ·基于PCA 的GA-BP 神经网络改进算法的流程 | 第28-30页 |
| ·实验与结果分析 | 第30-35页 |
| ·样本数据主成分分析 | 第31-32页 |
| ·遗传算法优化初始权值 | 第32-33页 |
| ·基于PCA 的GA-BP 神经网络 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 自确定结构参数的GA-BP 神经网络改进算法 | 第36-44页 |
| ·神经网络结构参数 | 第36页 |
| ·自确定结构参数的GA-BP 神经网络改进算法 | 第36-40页 |
| ·自确定结构参数的GA-BP 神经网络改进算法的思想 | 第36-37页 |
| ·自确定结构参数的GA-BP 神经网络改进算法的流程 | 第37-40页 |
| ·实验与结果分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 自确定结构参数的PCA-GA-BP 神经网络改进算法 | 第44-49页 |
| ·自确定结构参数的PCA-GA-BP 神经网络改进算法 | 第44-45页 |
| ·自确定结构参数的PCA-GA-BP 神经网络改进算法思想 | 第44页 |
| ·自确定结构参数的PCA-GA-BP 神经网络改进算法流程 | 第44-45页 |
| ·实验与结果分析 | 第45-48页 |
| ·算法仿真实验 | 第45-46页 |
| ·三种算法的比较 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 研究生在读期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
