第1章 绪论
1.1 课题背景
小波分析（Wavelet Analysis）是80年代中期发展起来的一门新兴的数学理论和方法，其理论的重要性以及应用的广泛性引起了科学界的高度重视，它被认为是数学领域调和分析这一学科半个世纪的工作结晶，在逼近论、微分方程、分形识别、计算机视觉、故障检测、非线性科学等方面都被看作是近年来工具和方法的重大突破。
小波变换的基本思想很类似于Fourier变换，就是用信号在一簇基函数展成的空间上的投影来表征信号。Fourier变换无任何分辨率，不能做局部分析，在理论上和应用上有很大的不便，加窗的Fourier变换通过引入一个时间局部化的“窗函数”，改进了Fourier变换的不足，但由于其窗的大小和形状都是固定的，没有从根本上弥补Fourier变换的缺陷。而小波变换优于Fourier变换之处在于：它的时域和频域同时具有良好的局部化性能，有一个灵活的可变的时间—频率窗。这在理论和实用中都有重要意义。
小波神经网络（Wavelet Neural Network, WNN）在有些文献中也称小波网络（Wavelet Network, WN）,是小波分析理论和神经网络理论相结合的产物。它起源于小波分解，是近年来在小波分析研究获得突破的基础上提出的一种前馈型神经网络，最早是由法国的著名信息科学研究机构IRISA、Zhang Qinghua 等于1920年提出的，YC Pciti 等对离散仿射小波神经网络进行了研究。近年来，国内外有关小波神经网络的研究报告也层出不穷。
近年来遗传算法以其简单通用、不要求目标函数具有连续性、搜索全局性、易于得到全局最优解和性能很好的次优解的特点得到了广泛的应用。一些学者尝试着将遗传算法和神经网络结合在一起 ，利用遗传算法优化设计神经网络的结构和权重参数。
1.2 遗传算法的起源和发展
遗传算法（Genetic Algorithms, GA）起源于生物系统所进行的计算模型研究。它的研究历史比较短，20世纪60年代末期到70年代初期
......

第1章 绪论
第2章 遗传算法的相关理论
第3章 小波神经网络
第4章 基于遗传算法的小波网络的构建
第5章 仿真过程和结果分析

1．Yao X. A review of evolutionary artificial neural networks[J]. International Journal of Intelligent Systems, 1993, 8: 539 ～ 567
2．Peter J A, etal. An evolutionary algorithm that constructs recurrent neural networks[J]. IEEE Trans Neural Networks, 1994, 5(1): 54～65
3． Koza J R, Rice J P. Genetic generation of both the weights and architure for a neural network. International Joint Conference on Neuralworks, IJCNN -91-Seattle, 1991: 397～404
4．王小平，曹立明.遗传算法——理论、应用与软件实现.西安.西安交通大学出版社，2002.2,10～14、87～95
5．王洪元，史国栋.人工神经网络技术及其应用.北京.中国石化出版社.2002.10，71～91
6.彭玉华.小波变换与工程应用.北京.科学出版社,1999.9
7．李弼程，罗建书.小波分析及其应用。
8．阎平凡.张长水.人工神经网络与模拟进化计算.北京.清华大学出版社.2000.11,377～379,386～414
9．魏海坤.神经网络结构设计的理论和方法.北京. 国防工业出版社 2005
10．丛爽.面向MATLAB工具箱的神经网络理论和应用.合肥. 中国科技大学出版社 2003.5
13.雷英杰，张善文，李续武 .MATLAB遗传算法工具箱及应用.西安.西安电子科技大学出版社.2005.4
12.袁曾任.人工神经元网络及其应用.清华出版社.北京.1999.10
11． A ngeline P J. A n evo lut ionary algo rithm that con2 st ructs recurrent neural netwo rk s[J ]. IEEE T rans on NeuralN etwo rk s, 1994, 5 (2) : 54265.