| 摘要 | 第1-8页 |
| ABSTRACT | 第8-11页 |
| 第1章 绪论 | 第11-14页 |
| ·引言 | 第11页 |
| ·研究背景 | 第11-13页 |
| ·模糊理论 | 第11-12页 |
| ·遗传算法 | 第12页 |
| ·遗传机器学习 | 第12页 |
| ·本文的主要工作 | 第12-13页 |
| ·分类问题的相关研究 | 第13-14页 |
| 第2章 模糊分类理论 | 第14-22页 |
| ·模糊的概念 | 第14页 |
| ·模糊集理论 | 第14-15页 |
| ·隶属函数 | 第15-19页 |
| ·截集 | 第19-20页 |
| ·模糊信息处理 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 遗传算法 | 第22-29页 |
| ·遗传算法概念 | 第22-23页 |
| ·遗传算法流程 | 第23-24页 |
| ·遗传算子 | 第24-26页 |
| ·遗传算法的特性 | 第26-27页 |
| ·遗传算法的应用领域 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 GBML与Bhanu模型 | 第29-36页 |
| ·遗传机器学习 | 第29-33页 |
| ·密歇根分类器系统 | 第30-31页 |
| ·匹兹堡方法 | 第31-33页 |
| ·Bhanu模型 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第5章 问题模型 | 第36-46页 |
| ·模型框架图 | 第37页 |
| ·多类问题到简单分类问题 | 第37-41页 |
| ·多类问题表示 | 第37-40页 |
| ·隶属函数 | 第40-41页 |
| ·简单分类样本 | 第41页 |
| ·两类问题模型 | 第41-42页 |
| ·测试样本的分类 | 第42-44页 |
| ·学习样本数据量问题的解决方案 | 第44-45页 |
| ·FSR模型各个模块对学习样本数量和质量的依赖程度 | 第44-45页 |
| ·学习样本数量不能满足要求时的解决方案 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第6章 原始数据处理和隶属函数优化、简单分类模型优化 | 第46-62页 |
| ·原始样本处理 | 第46-52页 |
| ·原始样本的锐化处理 | 第47-51页 |
| ·处理前后样本数据空间分布对比 | 第51-52页 |
| ·模糊子集构造时隶属函数的优化 | 第52-57页 |
| ·分层遗传算法 | 第53-54页 |
| ·遗传方案 | 第54-57页 |
| ·进化算法求解简单分类模型 | 第57-61页 |
| ·特征空间维数 | 第57-58页 |
| ·遗传方案 | 第58页 |
| ·简单分类器的构造 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第7章 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表的学术论文 | 第67-68页 |
| 后记 | 第68页 |