基于粒子群优化的基因表达式编程分类算法研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题及其研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于距离的分类方法 | 第11-12页 |
| 1.2.2 进化计算及其应用 | 第12-13页 |
| 1.3 本文研究内容和结构安排 | 第13-16页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 结构安排 | 第14-16页 |
| 第2章 相关技术和理论介绍 | 第16-26页 |
| 2.1 基因表达式编程算法 | 第16-22页 |
| 2.1.1 GEP基本流程 | 第16-17页 |
| 2.1.2 GEP实体 | 第17-20页 |
| 2.1.3 GEP适应度函数 | 第20-21页 |
| 2.1.4 GEP遗传算子 | 第21-22页 |
| 2.2 粒子群优化算法 | 第22-24页 |
| 2.2.1 PSO起源和特点 | 第22页 |
| 2.2.2 PSO基本流程 | 第22-23页 |
| 2.2.3 PSO粒子速度和位置更新 | 第23-24页 |
| 2.3 GEP和PSO比较 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于GEP的类中心点分类算法研究 | 第26-36页 |
| 3.1 基于距离的分类算法基本原理 | 第26-28页 |
| 3.2 N类中心点分类算法 | 第28-29页 |
| 3.3 基于GEP的类中心点分类算法 | 第29-35页 |
| 3.3.1 算法背景 | 第29页 |
| 3.3.2 个体编码 | 第29-30页 |
| 3.3.3 移动运算符和表达式树的解码 | 第30-32页 |
| 3.3.4 适应度函数设计 | 第32页 |
| 3.3.5 遗传算子 | 第32页 |
| 3.3.6 实验与分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于PSO的GEP分类算法研究 | 第36-44页 |
| 4.1 算法背景 | 第36页 |
| 4.2 算法基本流程 | 第36-40页 |
| 4.2.1 GEP阶段 | 第37页 |
| 4.2.2 过渡阶段 | 第37页 |
| 4.2.3 PSO阶段 | 第37-40页 |
| 4.3 实验与分析 | 第40-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第5章 基于GEPSO模型的面向对象遥感图像分类 | 第44-57页 |
| 5.1 面向对象的遥感图像分类概述 | 第44-49页 |
| 5.1.1 图像分割 | 第44-45页 |
| 5.1.2 影像对象 | 第45-46页 |
| 5.1.3 影像特征 | 第46-49页 |
| 5.2 实验区概况和数据 | 第49-50页 |
| 5.3 基于GEPSO模型的面向对象遥感图像分类 | 第50-53页 |
| 5.3.1 算法背景 | 第50-51页 |
| 5.3.2 图像分割 | 第51页 |
| 5.3.3 选择特征集 | 第51-52页 |
| 5.3.4 构造类中心 | 第52-53页 |
| 5.4 实验结果分析 | 第53-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 论文主要工作 | 第57-58页 |
| 6.2 论文后续工作 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间的成果 | 第65页 |
