基于径向基神经网络的传感器信息融合技术
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| 1-1 信息融合技术简介 | 第8-9页 |
| 1-2 多传感器信息融合技术的产生发展 | 第9-10页 |
| 1-3 多传感器信息融合的具体方法 | 第10-11页 |
| 1-4 本文的意义及主要工作 | 第11-13页 |
| 1-4-1 本文的意义 | 第11页 |
| 1-4-2 本文的主要工作 | 第11-13页 |
| 第二章 神经网络原理 | 第13-23页 |
| 2-1 神经网络的"三要素" | 第13-21页 |
| 2-1-1 神经元 | 第13-16页 |
| 2-1-2 神经网络拓扑结构 | 第16-18页 |
| 2-1-3 神经网络的学习规则 | 第18-21页 |
| 2-2 神经网络应用于传感器信息融合技术 | 第21-23页 |
| 第三章 神经网络的几种模型 | 第23-35页 |
| 3-1 BP网络模型 | 第24-28页 |
| 3-1-1 BP网络的算法 | 第24-25页 |
| 3-1-2 BP算法的步骤 | 第25-28页 |
| 3-2 RBF网络模型 | 第28-33页 |
| 3-2-1 RBF网络训练算法 | 第29-30页 |
| 3-2-2 RBF网络训练样本库的建立 | 第30-33页 |
| 3-3 两种算法融合结果及评价 | 第33-35页 |
| 3-3-1 两种算法性能结果的比较 | 第33-34页 |
| 3-3-2 RBF算法融合处理结果 | 第34-35页 |
| 第四章 RBF网络算法与多项式拟和算法的比较 | 第35-44页 |
| 4-1 RBF网络的算法 | 第35-36页 |
| 4-2 样本数据的归一化 | 第36-39页 |
| 4-3 多项式拟和算法的描述 | 第39-41页 |
| 4-4 测试结果 | 第41-44页 |
| 第五章 神经网络应用于气敏传感器 | 第44-47页 |
| 5-1 气敏传感器简介 | 第44页 |
| 5-2 神经网络应用于气敏传感器 | 第44-47页 |
| 第六章 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间所取得的相关科研成果 | 第52页 |
