| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-25页 |
| ·计算智能研究现状及发展 | 第11-12页 |
| ·计算智能主要研究内容 | 第12-21页 |
| ·模糊系统基本概述 | 第13-15页 |
| ·神经网络基本概述 | 第15-17页 |
| ·进化计算基本概述 | 第17-18页 |
| ·免疫算法基本概述 | 第18-19页 |
| ·DNA计算基本概述 | 第19-21页 |
| ·选题背景与意义 | 第21-22页 |
| ·选题研究现状 | 第22-23页 |
| ·本文研究内容 | 第23-25页 |
| 第二章 烟叶原料分类 | 第25-49页 |
| ·烟叶分类方法 | 第25-26页 |
| ·烟叶分类现状 | 第25-26页 |
| ·烟叶分类新方法 | 第26页 |
| ·模式分类 | 第26-27页 |
| ·LVQ神经网络 | 第27-34页 |
| ·LVQ神经网络基本原理 | 第27-28页 |
| ·LVQ神经网络学习规则 | 第28-30页 |
| ·LVQ神经网络在烟叶分类中的应用 | 第30-34页 |
| ·LVQ神经网络设计 | 第30-31页 |
| ·LVQ神经网络对于烟叶分类仿真结果 | 第31-34页 |
| ·ART神经网络 | 第34-44页 |
| ·ART神经网络基本原理 | 第34-36页 |
| ·ART神经网络的选用 | 第36-42页 |
| ·ART2神经网络基本原理 | 第36-39页 |
| ·ART2神经网络学习规则 | 第39-42页 |
| ·ART2神经网络在烟叶分类中的应用 | 第42-44页 |
| ·ART2神经网络设计 | 第42页 |
| ·ART2神经网络对于烟叶分类仿真结果 | 第42-44页 |
| ·模糊C-均值法 | 第44-48页 |
| ·模糊C-均值学习规则 | 第45-46页 |
| ·模糊C-均值对于烟叶分类仿真结果 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第三章 卷烟烟叶原料感官质量与烟气指标的预测 | 第49-79页 |
| ·感官质量与烟气指标预测现状 | 第49-51页 |
| ·感官质量与烟气指标预测存在的问题 | 第50-51页 |
| ·计算智能应用于感官质量与烟气指标预测 | 第51页 |
| ·BP神经网络 | 第51-55页 |
| ·BP神经网路基本原理 | 第51-53页 |
| ·BP神经网络学习规则 | 第53-55页 |
| ·BP神经网络的改进方法 | 第55-61页 |
| ·BP神经网络的缺陷 | 第55-57页 |
| ·BP神经网络改进算法的选择 | 第57-58页 |
| ·共轭梯度算法的BP神经网络 | 第58-61页 |
| ·共轭梯度算法 | 第58-60页 |
| ·共轭梯度BP算法 | 第60-61页 |
| ·共轭梯度BP神经网络在感官质量与烟气指标预测中的应用 | 第61-70页 |
| ·共轭梯度BP神经网络设计 | 第61-64页 |
| ·输入层和输出层设计 | 第61-62页 |
| ·隐含层的设计 | 第62-63页 |
| ·初始值的选取 | 第63页 |
| ·学习速率的确定 | 第63-64页 |
| ·期望误差的确定 | 第64页 |
| ·传递函数的确定 | 第64页 |
| ·BP神经网络共轭梯度算法的实现 | 第64页 |
| ·共轭梯度BP神经网络对感官质量和烟气指标预测结果 | 第64-70页 |
| ·共轭梯度BP神经网络仿真结果 | 第64-68页 |
| ·共轭梯度BP神经网络仿真结果与其他BP神经网络仿真结果的对比 | 第68-70页 |
| ·应用模拟退火解决BP神经网络存在局部极小问题 | 第70-77页 |
| ·模拟退火算法基本原理 | 第71-73页 |
| ·模拟退火优化BP神经网络原理与算法过程 | 第73-75页 |
| ·模拟退火解决BP神经网络的局部极小问题 | 第75-77页 |
| ·BP神经网络的仿真结果 | 第75页 |
| ·模拟退火优化BP神经网络的仿真结果 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 第四章 数字化卷烟叶组配方设计 | 第79-107页 |
| ·卷烟产品设计内容 | 第79-80页 |
| ·叶组配方设计 | 第80-81页 |
| ·叶组配方设计过程 | 第81-84页 |
| ·单品种烟叶原料收集 | 第82页 |
| ·烟叶原料理化特性分析 | 第82页 |
| ·制定烟叶原料的约束条件 | 第82-83页 |
| ·设计配方方案 | 第83页 |
| ·不同配方方案的感官质量评吸和烟气指标预测 | 第83-84页 |
| ·确定配方方案 | 第84页 |
| ·应用遗传算法设计叶组配方方案 | 第84-98页 |
| ·遗传算法 | 第84-88页 |
| ·叶组配方方案的设计 | 第88-91页 |
| ·确定优化设计变量 | 第89页 |
| ·确定约束条件 | 第89-90页 |
| ·确定目标函数 | 第90页 |
| ·编码设计 | 第90页 |
| ·初始群体设计 | 第90页 |
| ·适应函数 | 第90页 |
| ·选择算子 | 第90页 |
| ·交叉算子 | 第90-91页 |
| ·变异算子 | 第91页 |
| ·三组配方方案参数设计 | 第91页 |
| ·叶组配方方案仿真结果 | 第91-98页 |
| ·遗传算法寻优仿真结果 | 第91-97页 |
| ·遗传算法寻优仿真结果与其它方法仿真结果的对比 | 第97-98页 |
| ·混合优化算法在叶组配方感官质量预测的应用 | 第98-105页 |
| ·混合优化算法 | 第98-100页 |
| ·遗传算法结合BP神经网络的混合优化算法 | 第100-105页 |
| ·遗传算法结合BP神经网络算法的基本原理 | 第100-101页 |
| ·遗传算法结合BP神经网络感官质量预测仿真结果 | 第101-105页 |
| ·本章小结 | 第105-107页 |
| 第五章 结论 | 第107-111页 |
| ·结论 | 第107-108页 |
| ·创新点 | 第108页 |
| ·展望 | 第108-111页 |
| 参考文献 | 第111-116页 |
| 致谢 | 第116-117页 |
| 附录A 17(攻读硕士学位期间发表的论文) | 第117-118页 |
| 附录B 17种烟叶原料数据 | 第118-119页 |
| 附录C 17种烟叶原料感官质量指标 | 第119-120页 |
| 附录D 17种烟叶原料烟气指标 | 第120-121页 |
| 附录E 17种烟叶原料数据归一化数值 | 第121-124页 |
| 附录F 16种烟叶原料 | 第124-125页 |
| 附录G 叶组配方感官质量期望值 | 第125页 |
