基于自适应粒子群算法的特征选择研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 特征选择研究背景 | 第9页 |
| 1.2 特征选择的研究意义 | 第9-10页 |
| 1.3 特征选择研究现状 | 第10-12页 |
| 1.4 研究内容和结构安排 | 第12-13页 |
| 第二章 相关背景知识介绍 | 第13-27页 |
| 2.1 特征选择 | 第13-17页 |
| 2.1.1 特征选择的流程 | 第13-17页 |
| 2.2 粒子群算法及其改进算法 | 第17-23页 |
| 2.2.1 粒子群算法 | 第17-19页 |
| 2.2.2 粒子群算法的改进 | 第19-23页 |
| 2.3 粒子群算法在特征选择中的应用 | 第23-26页 |
| 2.3.1 基于粒子群算法的特征选择 | 第23-24页 |
| 2.3.2 基于粒子群算法的特征选择一般流程 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 自适应粒子群算法 | 第27-40页 |
| 3.1 骨干粒子群算法 | 第27-29页 |
| 3.2 自适应粒子群算法 | 第29-34页 |
| 3.2.1 Logistic混沌映射初始化 | 第29-32页 |
| 3.2.2 自适应扰动 | 第32-34页 |
| 3.3 自适应粒子群算法性能分析 | 第34-39页 |
| 3.3.1 标准测试函数 | 第34-37页 |
| 3.3.2 自适应粒子群算法的算法性能分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于自适应粒子群算法的特征选择 | 第40-54页 |
| 4.1 解码 | 第40-41页 |
| 4.2 特征评估 | 第41-43页 |
| 4.2.1 信息增益 | 第41-42页 |
| 4.2.2 互信息 | 第42-43页 |
| 4.3 全局与局部位置的更新 | 第43-44页 |
| 4.4 邻近算法 | 第44-46页 |
| 4.5 适应度函数的设计 | 第46页 |
| 4.6 算法流程 | 第46-47页 |
| 4.7 实验验证 | 第47-53页 |
| 4.7.1 实验数据 | 第47-48页 |
| 4.7.2 实验结果分析 | 第48-53页 |
| 4.8 本章总结 | 第53-54页 |
| 第五章 基于粗糙集和自适应粒子群算法的特征选择 | 第54-62页 |
| 5.1 基于混合评价机制的特征选择 | 第54-58页 |
| 5.2 实验验证及其分析 | 第58-61页 |
| 5.2.1 实验数据 | 第58-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第67-68页 |
| 附录2 攻读硕士学位期间申请的专利 | 第68-69页 |
| 致谢 | 第69页 |
