| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-15页 |
| 1．1 数据分类研究背景和神经网络的发展 | 第7-9页 |
| 1．2 神经网络在模式识别方向上的应用发展 | 第9-12页 |
| 1．3 本文的应用背景介绍 | 第12-13页 |
| 1．4 本文主要研究内容及结构 | 第13-15页 |
| 2 使用四层RBF神经网络构造建筑材料成分模型 | 第15-28页 |
| 2．1 建筑材料成分概述 | 第15-18页 |
| 2．2 已有模型及其优缺点 | 第18-20页 |
| 2．3 改进的四层RBF网络模型设计 | 第20-26页 |
| 2．3．1 网络的结构及训练算法分析 | 第20-23页 |
| 2．3．2 网络模型输入输出值选取 | 第23-24页 |
| 2．3．3 仿真结果及分析 | 第24-26页 |
| 2．4 小结 | 第26-28页 |
| 3 区域映射动态RBF神经网络模型 | 第28-44页 |
| 3．1 区域映射动态RBF神经网络的提出 | 第28-29页 |
| 3．2 网络模型结构描述 | 第29-30页 |
| 3．3 误差函数的选取 | 第30-32页 |
| 3．3．1 传统的误差函数及改进方法 | 第30-31页 |
| 3．3．2 区域映射误差函数 | 第31-32页 |
| 3．4 网络的训练算法 | 第32-36页 |
| 3．4．1 中心节点的选取及调整 | 第32-34页 |
| 3．4．2 输出权值调整 | 第34-35页 |
| 3．4．3 冗余节点删除 | 第35页 |
| 3．4．4 算法实现 | 第35-36页 |
| 3．5 区域映射动态RBF神经网络在二分类样本中的应用 | 第36-40页 |
| 3．5．1 二分类样本的介绍 | 第36页 |
| 3．5．2 区域映射动态RBF神经网络模型仿真 | 第36-40页 |
| 3．6 区域映射 RBF神经网络在建筑材料成分识别中的应用 | 第40-42页 |
| 3．7 区域映射动态RBF神经网络算法分析 | 第42-43页 |
| 3．8 小结 | 第43-44页 |
| 4 总结与展望 | 第44-46页 |
| 4．1 总结 | 第44-45页 |
| 4．2 展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 课题资助情况 | 第51页 |
| 攻读硕士学位期间发表的论文 | 第51-52页 |
| 致谢 | 第52-53页 |
| 大连理工大学学位论文版权使用授权书 | 第53页 |