| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10-12页 |
| 1.2 课题研究的现状 | 第12-14页 |
| 1.3 本文研究的主要内容 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 混沌鲶鱼效应改进的 ABC 算法 | 第16-30页 |
| 2.1 群智能算法概述 | 第16-18页 |
| 2.2 ABC 算法的生物学原型 | 第18-20页 |
| 2.3 ABC 算法的基本原理 | 第20-24页 |
| 2.3.1 蜜蜂种群初始化 | 第21页 |
| 2.3.2 引领蜂和跟随蜂交互开采花蜜源 | 第21-22页 |
| 2.3.3 侦查蜂搜索新蜜源 | 第22-23页 |
| 2.3.4 ABC 算法的特点 | 第23-24页 |
| 2.4 混沌鲶鱼蜂群算法 | 第24-29页 |
| 2.4.1 混沌系统的特性 | 第25-27页 |
| 2.4.2 蜂群的混沌初始化 | 第27页 |
| 2.4.3 混沌鲶鱼蜂寻觅新花蜜源 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于混沌鲶鱼蜂群算法的 SVM 参数优化 | 第30-47页 |
| 3.1 分类 | 第30-31页 |
| 3.2 结构风险最小化 | 第31-33页 |
| 3.3 支持向量机 | 第33-40页 |
| 3.3.1 线性可分的 SVM | 第34-36页 |
| 3.3.2 线性不可分的 SVM | 第36-38页 |
| 3.3.3 非线性的 SVM | 第38-40页 |
| 3.4 混沌鲶鱼蜂群算法寻优 SVM 参数模型 | 第40-46页 |
| 3.4.1 模型描述 | 第40-42页 |
| 3.4.2 实验及结果分析 | 第42-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于 CCABC 算法的基因选择与 SVM 参数同步优化分类模型 | 第47-58页 |
| 4.1 混沌鲶鱼蜂群算法的二进制化 | 第47-48页 |
| 4.2 CCABC 算法同步寻优基因选择与 SVM 参数的分类模型 | 第48-51页 |
| 4.2.1 蜜源的抽象化结构设计 | 第48-49页 |
| 4.2.2 适应度函数形式的设计 | 第49-50页 |
| 4.2.3 分类模型的整体框架 | 第50-51页 |
| 4.3 仿真实验及结果分析 | 第51-57页 |
| 4.3.1 实验运行环境 | 第51页 |
| 4.3.2 DNA 微阵列数据集 | 第51-52页 |
| 4.3.3 模型参数设置 | 第52页 |
| 4.3.4 实验对比分析 | 第52-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 未来研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简介及在学期间所取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |