| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-22页 |
| 1.2.1 粒子群优化算法的研究现状及分析 | 第12-16页 |
| 1.2.2 基因选择 | 第16-22页 |
| 1.3 本文主要研究内容 | 第22-23页 |
| 1.4 本文章节安排 | 第23-25页 |
| 第二章 研究基础 | 第25-32页 |
| 2.1 粒子群优化算法 | 第25-27页 |
| 2.2 地理学优化算法 | 第27-28页 |
| 2.3 Relief算法 | 第28-29页 |
| 2.4 FCBF算法 | 第29-30页 |
| 2.5 极限学习机 | 第30-32页 |
| 第三章 基于迁移机制的粒子群优化算法 | 第32-47页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于迁移机制的改进的SPSO2011算法 | 第33-37页 |
| 3.3 实验结果与讨论 | 第37-46页 |
| 3.3.1 benchmark测试函数 | 第37-38页 |
| 3.3.2 实验环境以及算法参数设置 | 第38页 |
| 3.3.3 实验结果及讨论 | 第38-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于迁移机制的PSO算法在基因选择上的应用 | 第47-69页 |
| 4.1 引言 | 第47-48页 |
| 4.2 基于改进的Relief-FCBF算法的两重基因选择方法 | 第48-50页 |
| 4.3 基于IMRF-ISPSO2011算法的三重基因选择方法 | 第50-52页 |
| 4.4 实验结果及讨论 | 第52-68页 |
| 4.4.1 数据集及其描述 | 第52-54页 |
| 4.4.2 所选基因子集的分类性能以及讨论 | 第54-58页 |
| 4.4.3 所选基因子集的生物属性描述 | 第58-66页 |
| 4.4.4 与其它基因选择方法的比较 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 参考文献 | 第71-80页 |
| 致谢 | 第80-81页 |
| 硕士期间发表的论文以及参加的科研项目 | 第81页 |
