基于遗传神经网络的大气质量检测及评价研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-21页 |
| ·课题的研究背景以及意义 | 第10-12页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究意义 | 第11-12页 |
| ·课题相关技术的发展以及现状 | 第12-17页 |
| ·大气质量检测及其评价方法的研究现状 | 第12-15页 |
| ·数据融合理论的研究现状及其发展 | 第15-17页 |
| ·国内外的发展现状 | 第15-17页 |
| ·数据融合技术的发展方向 | 第17页 |
| ·课题所采用的关键技术 | 第17-19页 |
| ·论文的主要工作以及内容安排 | 第19-20页 |
| ·论文主要工作 | 第19页 |
| ·论文内容安排 | 第19-20页 |
| 本章小结 | 第20-21页 |
| 2 多传感器数据融合的基本原理以及方法 | 第21-26页 |
| ·数据融合的基本原理 | 第21-23页 |
| ·数据融合定义 | 第21页 |
| ·数据融合的层次结构及其功能 | 第21-23页 |
| ·数据融合的方法 | 第23-25页 |
| ·基于物理模型的数据融合方法 | 第23页 |
| ·基于统计理论的数据融合方法 | 第23-24页 |
| ·基于信息论的数据融合方法 | 第24-25页 |
| ·基于认识模型的数据融合方法 | 第25页 |
| 本章小结 | 第25-26页 |
| 3 人工神经网络 | 第26-34页 |
| ·人工神经元模型和网络结构 | 第26-29页 |
| ·人工神经元模型 | 第26-28页 |
| ·人工神经网络的结构 | 第28-29页 |
| ·反向传播神经网络 | 第29-30页 |
| ·BP神经网络的结构 | 第29-30页 |
| ·BP神经网络的算法 | 第30页 |
| ·径向基函数神经网络 | 第30-33页 |
| ·径向基函数神经网络结构 | 第31-32页 |
| ·径向基函数神经网络算法 | 第32-33页 |
| ·人工神经网络的特点 | 第33页 |
| 本章小结 | 第33-34页 |
| 4 遗传神经网络 | 第34-42页 |
| ·遗传算法简介 | 第34-37页 |
| ·遗传算法的基本操作以及设计步骤 | 第34-37页 |
| ·遗传算法的特点 | 第37页 |
| ·遗传算法在神经网络中的应用 | 第37-39页 |
| ·遗传算法对于神经网络权值的优化 | 第38页 |
| ·遗传算法对于神经网络结构的进化 | 第38-39页 |
| ·遗传算法对于神经网络学习规则的进化 | 第39页 |
| ·基于遗传神经网络的大气质量检测模型 | 第39-41页 |
| ·遗传神经网络检测系统 | 第39-40页 |
| ·实验结果分析 | 第40-41页 |
| 本章小结 | 第41-42页 |
| 5 改进型遗传神经网络 | 第42-62页 |
| ·遗传算法的改进策略 | 第42-48页 |
| ·算法性能分析的定量标准 | 第42页 |
| ·动态交叉操作 | 第42-44页 |
| ·动态突变操作 | 第44-46页 |
| ·线性定标策略 | 第46页 |
| ·基于Metropolis判别准则的复制策略 | 第46页 |
| ·改进型遗传算法有效性实验结果及其分析 | 第46-48页 |
| ·模糊理论 | 第48-52页 |
| ·模糊理论的数学基础 | 第49-50页 |
| ·模糊系统的组成以及原理 | 第50-51页 |
| ·模糊系统的特点 | 第51-52页 |
| ·模糊遗传神经网络 | 第52-55页 |
| ·模糊系统与神经网络的结合方式 | 第52-53页 |
| ·模糊遗传神经网络结构及其算法研究 | 第53-55页 |
| ·基于改进型模糊遗传神经网络的大气质量评价模型 | 第55-61页 |
| ·评价标准 | 第55-56页 |
| ·评价系统的建立 | 第56-57页 |
| ·实验数据 | 第57-59页 |
| ·评价结果 | 第59-61页 |
| 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
