| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第一章 引言 | 第8-13页 |
| ·神经网络基本概念 | 第8-10页 |
| ·神经网络发展概况 | 第8页 |
| ·神经网络分类 | 第8-9页 |
| ·MP 模型及Hebb 学习规则 | 第9-10页 |
| ·小波神经网络综述 | 第10-12页 |
| ·小波神经网络发展概况 | 第10-11页 |
| ·小波神经网络的优点和存在的不足 | 第11-12页 |
| ·本课题项目的背景介绍 | 第12页 |
| ·论文结构 | 第12-13页 |
| 第二章 小波理论基础和神经网络的逼近理论 | 第13-21页 |
| ·小波理论基础 | 第13-16页 |
| ·小波变换 | 第13-14页 |
| ·小波变换的自适应时-频窗 | 第14-16页 |
| ·多层前向网络和小波神经网络(WNN)逼近理论 | 第16-20页 |
| ·多层前向网络的反传(BP)算法 | 第16-18页 |
| ·小波神经网络的原理 | 第18-19页 |
| ·小波神经网络逼近能力分析 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 小波神经网络学习算法的研究现状及改进 | 第21-37页 |
| ·小波神经网络学习算法的研究现状介绍 | 第21-22页 |
| ·退火蚁群遗传算法(AACGA) | 第22-33页 |
| ·蚁群算法 | 第23-27页 |
| ·蚁群算法原理 | 第23-24页 |
| ·蚁群算法的实现 | 第24-25页 |
| ·蚁群算法的算子分析 | 第25-26页 |
| ·改进的蚁群算法研究现状介绍 | 第26-27页 |
| ·模拟退火算法(SAA) | 第27-28页 |
| ·模拟退火算法原理 | 第27-28页 |
| ·模拟退火算法的实现 | 第28页 |
| ·连续空间的AACGA 实现 | 第28-32页 |
| ·蚁群遗传算法(ACGA))求解连续空间问题 | 第29页 |
| ·AACGA 求解连续空间问题的实现 | 第29-32页 |
| ·实验结果与分析 | 第32-33页 |
| ·用AACGA 训练小波神经网络模型 | 第33-34页 |
| ·实验结果与分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 小波神经网络参数初始化研究与结构优化设计 | 第37-51页 |
| ·前言 | 第37页 |
| ·WNN 参数初始化选择 | 第37-40页 |
| ·WNN 参数初始化选择 | 第37-39页 |
| ·实验结果与分析 | 第39-40页 |
| ·WNN 结构优化设计 | 第40-50页 |
| ·WNN 结构优化设计的研究现状 | 第40-41页 |
| ·基于蚁群遗传算法的粗糙集(ACGA-RS)知识约简 | 第41-46页 |
| ·粗糙集的基本概念 | 第41-43页 |
| ·ACGA-RS 属性约简算法 | 第43-45页 |
| ·实验结果与分析 | 第45-46页 |
| ·基于ACGA-RS 结构优化设计方法 | 第46-49页 |
| ·小波框架的基本概念 | 第47页 |
| ·小波框架神经网络的初始构造 | 第47-48页 |
| ·基于ACGA-RS 结构优化方法的实现 | 第48-49页 |
| ·实验结果与分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 小波神经网络的应用 | 第51-56页 |
| ·小波神经网络图像分类器模型 | 第51页 |
| ·软、硬件平台及环境要求 | 第51-52页 |
| ·小波神经网络的淋巴细胞分类器 | 第52-53页 |
| ·淋巴细胞图像样本的初期处理 | 第52-53页 |
| ·基于小波神经网络的淋巴细胞分类器 | 第53页 |
| ·基于小波神经网络的交通图像分类器 | 第53-55页 |
| ·交通图像样本的初期处理 | 第54页 |
| ·基于小波神经网络的交通图像分类器 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 个人简历、研究生期间研究内容及发表的论文 | 第63页 |