| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 插图目录 | 第11-13页 |
| 表格目录 | 第13-14页 |
| 第1章 绪论 | 第14-22页 |
| ·研究背景 | 第14-15页 |
| ·本文工作 | 第15-21页 |
| ·研究意义 | 第15-16页 |
| ·研究内容与创新 | 第16-19页 |
| ·本文组织结构 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第2章 BP神经网络研究综述 | 第22-39页 |
| ·人工神经网络概述 | 第22-23页 |
| ·人工神经元的数学模型 | 第23-25页 |
| ·BP神经网络的基本原理 | 第25-31页 |
| ·BP神经网络的拓朴结构 | 第25-26页 |
| ·BP神经网络的训练 | 第26-31页 |
| ·BP神经网络的应用 | 第31页 |
| ·BP神经网络的缺陷及其影响因素 | 第31-32页 |
| ·BP神经网络训练样本集的分割问题 | 第32-34页 |
| ·BP神经网络训练算法的优化问题 | 第34-38页 |
| ·神经网络拓朴结构的优化 | 第34-35页 |
| ·神经网络系数的优化 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于均矢量相似性的样本集分割 | 第39-54页 |
| ·引言 | 第39-40页 |
| ·相关理论 | 第40-42页 |
| ·样本及其矢量表示 | 第40-41页 |
| ·矢量相似性的计算 | 第41-42页 |
| ·基于均矢量相似性的样本集分割方法 | 第42-44页 |
| ·基本思想 | 第42页 |
| ·分割算法 | 第42-44页 |
| ·实验仿真 | 第44-52页 |
| ·数据来源与预处理 | 第44页 |
| ·数据的划分 | 第44页 |
| ·Hotelling T~2检验 | 第44-46页 |
| ·分类神经网络检验 | 第46-52页 |
| ·讨论与结论 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于干细胞机制的神经网络训练算法优化 | 第54-92页 |
| ·引言 | 第54-55页 |
| ·遗传神经网络 | 第55-66页 |
| ·遗传算法概述 | 第55-62页 |
| ·遗传算法与BP神经网络优化 | 第62-66页 |
| ·干细胞理论及其对BP神经网络优化的启示 | 第66-70页 |
| ·干细胞理论基本知识 | 第66-69页 |
| ·干细胞理论对BP神经网络优化问题的启示 | 第69-70页 |
| ·基于干细胞机制的进化神经网络 | 第70-82页 |
| ·神经网络的表示 | 第70页 |
| ·个体适应度的计算 | 第70-71页 |
| ·平均反传误差 | 第71-72页 |
| ·训练总算法 | 第72-75页 |
| ·基于干细胞机制的进化操作 | 第75-82页 |
| ·实验仿真 | 第82-87页 |
| ·数据与预处理 | 第82页 |
| ·神经网络的训练 | 第82-83页 |
| ·实验结果 | 第83-87页 |
| ·分析与讨论 | 第87-91页 |
| ·仿真结果分析 | 第87-89页 |
| ·SCEBPN的进化机理分析 | 第89-90页 |
| ·SCEBPN的特点 | 第90-91页 |
| ·本章小结 | 第91-92页 |
| 第5章 基于SCEBPN的胃部疾病超声诊断模型研究 | 第92-113页 |
| ·引言 | 第92-94页 |
| ·数据选取 | 第94-95页 |
| ·样本选择 | 第94-95页 |
| ·数据收集 | 第95页 |
| ·数据预处理 | 第95-96页 |
| ·模型的设计与训练 | 第96-107页 |
| ·多元线性回归分析方法 | 第96-98页 |
| ·神经网络方法 | 第98-107页 |
| ·模型的测试与评价 | 第107-111页 |
| ·判别准确率评价 | 第107-109页 |
| ·ROC分析 | 第109-111页 |
| ·讨论与结论 | 第111-112页 |
| ·本章小结 | 第112-113页 |
| 第6章 工作总结与展望 | 第113-116页 |
| ·本文研究总结 | 第113-114页 |
| ·下一步研究工作计划 | 第114-116页 |
| 参考文献 | 第116-127页 |
| 致谢 | 第127-128页 |
| 攻读学位期间主要的研究成果 | 第128-129页 |