| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 粒度分析的研究现状 | 第13-14页 |
| 1.2.2 神经网络与自动机的研究现状 | 第14-15页 |
| 1.3 本文主要工作与章节安排 | 第15-17页 |
| 第二章 模糊自动机的基本理论 | 第17-25页 |
| 2.1 模糊文法与模糊语言 | 第17-20页 |
| 2.1.1 Chomsky体系文法 | 第17-18页 |
| 2.1.2 模糊文法 | 第18-20页 |
| 2.2 模糊自动机 | 第20-24页 |
| 2.2.1 模糊自动机的概念 | 第20-21页 |
| 2.2.2 模糊自动机的分类 | 第21-24页 |
| 2.3 模糊文法、模糊语言、模糊自动机三者间的关系 | 第24页 |
| 2.4 结束语 | 第24-25页 |
| 第三章 基于神经网络的模糊自动机 | 第25-31页 |
| 3.1 引言 | 第25页 |
| 3.2 模糊自动机在神经网络中的表示 | 第25-28页 |
| 3.2.1 网络模型 | 第25-27页 |
| 3.2.2 通用模糊自动机 | 第27-28页 |
| 3.3 神经网络和模糊自动机在知识表示上的等价性 | 第28-30页 |
| 3.4 结束语 | 第30-31页 |
| 第四章 基于神经网络的模糊文法的推导 | 第31-38页 |
| 4.1 引言 | 第31页 |
| 4.2 模糊正则文法的推导和SORNN模型 | 第31-33页 |
| 4.2.1 模糊正则文法的推导 | 第31-32页 |
| 4.2.2 神经网络模型 | 第32-33页 |
| 4.3 基于神经网络的自动机提取 | 第33-37页 |
| 4.3.1 输出空间划分法 | 第33-35页 |
| 4.3.2 改进的自组织特征映射 | 第35-37页 |
| 4.4 结束语 | 第37-38页 |
| 第五章 神经网络训练算法 | 第38-43页 |
| 5.1 引言 | 第38页 |
| 5.2 实时递归学习算法 | 第38-39页 |
| 5.3 实数编码基因遗传算法 | 第39-42页 |
| 5.3.1 遗传算法的一般步骤 | 第40页 |
| 5.3.2 改进的遗传算法LMGA | 第40-42页 |
| 5.4 结束语 | 第42-43页 |
| 第六章 基于模糊神经网络的沉积环境判别方法研究 | 第43-50页 |
| 6.1 引言 | 第43页 |
| 6.2 模糊神经网络 | 第43-44页 |
| 6.3 沉积环境判别理论 | 第44-45页 |
| 6.3.1 相关概念 | 第44页 |
| 6.3.2 粒度参数选取 | 第44页 |
| 6.3.3 粒度分析在沉积环境中的应用 | 第44-45页 |
| 6.4 BP模糊神经网络模型 | 第45-47页 |
| 6.4.1 输入数据标准化 | 第45页 |
| 6.4.2 输入数据模糊化和输出数据去模糊化 | 第45页 |
| 6.4.3 神经网络相关优化 | 第45-46页 |
| 6.4.4 改进的模糊神经网络模型建立 | 第46-47页 |
| 6.5 实例分析 | 第47-49页 |
| 6.5.1 样本分布 | 第47页 |
| 6.5.2 模型的建立与训练 | 第47-48页 |
| 6.5.3 结果对比与评价 | 第48-49页 |
| 6.6 结语 | 第49-50页 |
| 第七章 模糊自动机在判别分析中的应用 | 第50-56页 |
| 7.1 引言 | 第50页 |
| 7.2 相关准备工作 | 第50-52页 |
| 7.2.1 粒度参数选取 | 第50-51页 |
| 7.2.2 样本标准化 | 第51页 |
| 7.2.3 神经网络模型 | 第51页 |
| 7.2.4 训练算法 | 第51-52页 |
| 7.3 案例分析 | 第52-55页 |
| 7.3.1 实验结果 | 第53-54页 |
| 7.3.2 对比分析 | 第54-55页 |
| 7.4 结束语 | 第55-56页 |
| 总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61-63页 |
| 致谢 | 第63页 |