| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·引言 | 第8-9页 |
| ·本文的研究背景 | 第9-12页 |
| ·沙尘暴预测 | 第9页 |
| ·支持向量机的参数优化 | 第9-10页 |
| ·群智能的发展 | 第10-12页 |
| ·遗传算法的发展现状 | 第11页 |
| ·粒子群算法的发展现状 | 第11-12页 |
| ·本文所作的工作 | 第12-13页 |
| ·本章小结 | 第13-15页 |
| 第二章 遗传算法与粒子群算法 | 第15-25页 |
| ·遗传算法 | 第15-20页 |
| ·遗传算法的生物学概念 | 第15-16页 |
| ·遗传算法的构成要素 | 第16-18页 |
| ·遗传算法的应用步骤和流程 | 第18-20页 |
| ·GA的应用步骤 | 第18-19页 |
| ·GA的操作流程 | 第19-20页 |
| ·遗传算法的特点 | 第20页 |
| ·粒子群算法 | 第20-23页 |
| ·PSO算法的描述 | 第21-22页 |
| ·PSO算法的应用步骤 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于支持向量机的沙尘暴预测模型 | 第25-35页 |
| ·支持向量机理论 | 第25-32页 |
| ·支持向量机原理 | 第25-29页 |
| ·线性可分问题 | 第26-27页 |
| ·线性不可分问题 | 第27-28页 |
| ·核函数 | 第28-29页 |
| ·SVM核函数的选择及其参数对分类的影响 | 第29-32页 |
| ·核函数的选择 | 第30-31页 |
| ·参数对分类的影响 | 第31-32页 |
| ·实验样本及数据预处理 | 第32-33页 |
| ·实验样本 | 第32页 |
| ·样本数据预处理 | 第32-33页 |
| ·SVM训练过程示意图 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 遗传算法、粒子群算法在SVM参数优化中的应用 | 第35-44页 |
| ·遗传算法在SVM参数优化中的应用 | 第35-37页 |
| ·参数的确定及其编码和解码 | 第35-36页 |
| ·参数寻优范围 | 第35页 |
| ·染色体编码 | 第35-36页 |
| ·解码 | 第36页 |
| ·种群初始化 | 第36页 |
| ·适应度函数的确定 | 第36-37页 |
| ·遗传算子及运行参数的设定 | 第37页 |
| ·粒子群算法在支持向量机参数优化中的应用 | 第37-39页 |
| ·种群初始化 | 第38页 |
| ·运行参数的设定 | 第38-39页 |
| ·仿真结果 | 第39-43页 |
| ·训练过程 | 第39-42页 |
| ·测试结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 改进的粒子群算法及仿真研究 | 第44-50页 |
| ·PSO算法的收敛性分析 | 第44-46页 |
| ·PSO算法的改进 | 第46-47页 |
| ·惯性权值的改进 | 第46页 |
| ·学习因子的改进 | 第46-47页 |
| ·改进粒子群算法的仿真结果 | 第47-49页 |
| ·训练过程 | 第47-48页 |
| ·测试结果 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 发表论文和参加科研情况说明 | 第56-57页 |
| 致谢 | 第57页 |