| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 国外水质监测的研究现状 | 第9页 |
| 1.2.2 国内水质监测现状 | 第9-11页 |
| 1.2.3 数据融合研究现状 | 第11页 |
| 1.2.4 神经网络研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-15页 |
| 第2章 数据融合原理 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 基本概念 | 第15-16页 |
| 2.3 数据融合的层次 | 第16-18页 |
| 2.3.1 数据层数据融合 | 第16-17页 |
| 2.3.2 特征层数据融合 | 第17页 |
| 2.3.3 决策层数据融合 | 第17-18页 |
| 2.4 数据融合的方法 | 第18-20页 |
| 2.5 神经网络算法 | 第20-27页 |
| 2.5.1 神经元模型[33] | 第20-23页 |
| 2.5.2 神经网络的功能 | 第23-24页 |
| 2.5.3 神经网络的应用 | 第24-27页 |
| 第3章 神经网络的设计 | 第27-40页 |
| 3.1 感知器设计 | 第27-31页 |
| 3.1.1 感知器结构 | 第27-29页 |
| 3.1.2 感知器神经网络设计 | 第29-30页 |
| 3.1.3 感知器网络的局限 | 第30-31页 |
| 3.2 BP 神经网络设计 | 第31-35页 |
| 3.2.1 BP 神经网络结构 | 第31-33页 |
| 3.2.2 BP 神经网络设计 | 第33-35页 |
| 3.2.3 BP 神经网络算法选择 | 第35页 |
| 3.3 基于 Matlab 的神经网络分析 | 第35-40页 |
| 3.3.1 神经网络对象 | 第35-37页 |
| 3.3.2 BP 神经网络设计各层之间传递函数的选取 | 第37-40页 |
| 第4章 感知器和 BP 神经网络仿真结果 | 第40-49页 |
| 4.1 感知器设计及仿真 | 第40-43页 |
| 4.2 BP 神经网络设计 | 第43-44页 |
| 4.2.1 输入输出层设计 | 第43页 |
| 4.2.2 隐层设计 | 第43-44页 |
| 4.2.3 激励函数 | 第44页 |
| 4.3 BP 神经网络参数设计 | 第44-45页 |
| 4.3.1 输入输出参数的设计 | 第44页 |
| 4.3.2 样本的选取 | 第44-45页 |
| 4.3.3 初始权值设计 | 第45页 |
| 4.4 模型实现 | 第45-47页 |
| 4.5 仿真结果 | 第47-48页 |
| 4.6 结果分析 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-55页 |
| 致谢 | 第55页 |