| 1 绪论 | 第1-14页 |
| ·引言 | 第7页 |
| ·模式识别-人工神经网络概述 | 第7-8页 |
| ·模式识别-人工神经网络算法在冶金领域的发展与现状 | 第8-11页 |
| ·本文的主要研究内容、研究目标及技术路线 | 第11-14页 |
| ·本文的主要研究内容 | 第11-13页 |
| ·研究目标及技术路线 | 第13-14页 |
| 2 分类模式识别-人工神经网络原理 | 第14-33页 |
| ·引言 | 第14页 |
| ·模式识别-人工神经网络技术工业调优步骤 | 第14-16页 |
| ·模式识别-人工神经网络工业调优的步骤 | 第14-16页 |
| ·模式识别方法 | 第16-25页 |
| ·主成分分析法(PCA) | 第16-19页 |
| ·偏最小二乘法(PLS) | 第19-22页 |
| ·最优判别平面法(ODP) | 第22-25页 |
| ·三种模式识别方法的比较 | 第25页 |
| ·PCA与PLS的简单比较 | 第25页 |
| ·ODP和PLS、PCA的对比 | 第25页 |
| ·共享最近邻法(SKNN)和近邻加权类中心 | 第25-26页 |
| ·共享最近邻(SKNN)法 | 第25-26页 |
| ·近邻加权类中心 | 第26页 |
| ·人工神经网络简介 | 第26-33页 |
| ·人工神经网络的发展 | 第26-28页 |
| ·人工神经网络建模 | 第28-29页 |
| ·BP网络 | 第29-31页 |
| ·影响BP算法若干因素的讨论 | 第31-33页 |
| 3 程序设计与算例验证 | 第33-54页 |
| ·引言 | 第33页 |
| ·MATLAB简介 | 第33-34页 |
| ·本文开发的模式识别-人工神经网络数据处理软件 | 第34-35页 |
| ·软件的基本架构 | 第34-35页 |
| ·软件的数据结构 | 第35页 |
| ·数据处理模块设计及程序实现 | 第35-47页 |
| ·数据预处理 | 第35-37页 |
| ·分类映照图 | 第37-41页 |
| ·共享K近邻法求类中心 | 第41页 |
| ·人工神经网络预报模块 | 第41-47页 |
| ·所开发程序的验证 | 第47-54页 |
| ·热轧硅钢板生产概述 | 第47-48页 |
| ·模式空间变换做定性分析 | 第48-52页 |
| ·SKNN法作定量分析 | 第52-53页 |
| ·神经网络预报验证 | 第53-54页 |
| 4 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录1 原始数据 | 第59-62页 |
| 附录2 主要程序清单 | 第62-71页 |