封面
声明
中文摘要
英文摘要
目录
第一章绪论
1.1 课题研究的背景和意义
1.2 国内外研究现状
1.3 本文的主要研究内容
1.4 论文结构和主要创新点
第二章神经网络增量学习算法
2.1 自组织映射与概率神经网络增量学习算法
2.2选择性负相关增量学习算法
2.2.1负相关学习
2.2.2选择性负相关
2.3连续增量学习算法
2.3.1连续增量学习算法结构
2.3.2规则产生标准
2.3.3连续增量模糊神经网络算法步骤
2.4本章小结
第三章 RBF集成增量学习算法研究与实现
3.1网络结构
3.1.1 RBF网络结构
3.1.2 增量学习网络结构
3.2 RBF中心选取和参数调整
3.2.1 K-均值算法选取核函数中心
3.2.2伪逆求子网络的权值和偏置
3.3 增量学习过程
3.3.1 最近中心确定获胜子网络
3.3.2最大概率确定获胜子网络及基本相关算法
3.3.3 最近中心与最大概率确定获胜子网络
3.3.4本章小结
第四章实验及分析
4.1单类别增量学习实验
4.1.1最近中心法确定获胜子网络
4.1.2最大概率法确定获胜子网络
4.1.3 最近中心法与最大概率法确定获胜子网络
4.1.4 IMSOMPNN
4.1.5性能对比及分析
4.2多类别增量学习实验及分析
4.3本章小结
第五章 结论
参考文献
攻读学位期间所取得的相关科研成果
致谢