| 第一章 绪论 | 第1-14页 |
| ·常见的分类算法 | 第9-10页 |
| ·基于进化计算（EVOLUTION COMPUTATION，EC）的分类系统 | 第10-12页 |
| ·进化计算介绍 | 第10页 |
| ·应用于分类系统的进化计算 | 第10-12页 |
| ·本文主要完成的工作 | 第12-14页 |
| 第二章 数据分类和微粒群算法 | 第14-21页 |
| ·数据分类 | 第14-16页 |
| ·分类问题描述 | 第14页 |
| ·分类问题的表示方法 | 第14-15页 |
| ·分类器评价 | 第15-16页 |
| ·微粒群算法 | 第16-21页 |
| ·微粒群算法的研究背景和现状 | 第16-18页 |
| ·算法原理 | 第18-19页 |
| ·算法参数分析 | 第19-21页 |
| 第三章 运用PSO 算法实现分类系统 | 第21-26页 |
| ·分类空间表示 | 第21-22页 |
| ·适应度函数 | 第22页 |
| ·分类系统结构 | 第22-24页 |
| ·分类系统结构图 | 第22-23页 |
| ·泛化方法（generalization）和冲突处理（conflict resolution） | 第23-24页 |
| ·算法实现步骤 | 第24页 |
| ·仿真实验 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第四章 运用多群体PSO 算法生成分类规则 | 第26-39页 |
| ·分类模型 | 第26-27页 |
| ·具有随机自适应惯性权重的PSO 算法 | 第27-29页 |
| ·自适应随机ω的PSO 算法原理 | 第27-28页 |
| ·函数测试 | 第28-29页 |
| ·运用多PSO 算法生成分类规则 | 第29-34页 |
| ·规则编码 | 第31-32页 |
| ·规则评价 | 第32页 |
| ·初始群体的生成策略 | 第32-33页 |
| ·冲突解决 | 第33页 |
| ·算法的终止条件 | 第33页 |
| ·算法的实现步骤 | 第33-34页 |
| ·仿真实例 | 第34-38页 |
| ·数据来源 | 第34-35页 |
| ·实验结果 | 第35-38页 |
| ·小结 | 第38-39页 |
| 第五章 基于混合编码的多群体PSO 算法设计分类器 | 第39-45页 |
| ·编码形式 | 第39页 |
| ·定义适应度 | 第39-40页 |
| ·进化策略 | 第40-41页 |
| ·PSO 算法的二进制模型 | 第40页 |
| ·进化策略 | 第40-41页 |
| ·算法流程 | 第41-42页 |
| ·实验结果 | 第42-43页 |
| ·具有变异因子的PSO 算法设计分类器 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第六章 微粒群算法和遗传规划相结合生成分类规则 | 第45-54页 |
| ·遗传规划（GENETIC PROGRAMMING，GP）介绍 | 第45-46页 |
| ·PSO 算法和GP 二者相结合生成分类规则 | 第46-51页 |
| ·编码形式 | 第46-47页 |
| ·适应度 | 第47页 |
| ·进化策略 | 第47-48页 |
| ·微粒群算法和遗传规划相结合的进化策略 | 第48-50页 |
| ·算法的终止条件 | 第50页 |
| ·冲突方法 | 第50-51页 |
| ·实验结果 | 第51-52页 |
| ·实验数据 | 第51页 |
| ·实验结果 | 第51-52页 |
| ·小结 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文 | 第59-60页 |
| 致谢 | 第60页 |
