基于实例的归纳学习在遗传算法策略优选中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 1 绪论 | 第6-9页 |
| ·引言 | 第6页 |
| ·研究背景与意义 | 第6-7页 |
| ·研究的内容与目标 | 第7-8页 |
| ·本文的内容组织 | 第8-9页 |
| 2 相关技术 | 第9-24页 |
| ·归纳学习 | 第9-18页 |
| ·概述 | 第9-11页 |
| ·决策树归纳学习算法 | 第11-15页 |
| ·ID3和C4.5学习算法 | 第15-18页 |
| ·基于范例的推理 | 第18-19页 |
| ·遗传算法 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 3 针对函数优化的遗传算法策略研究 | 第24-28页 |
| ·概述 | 第24-25页 |
| ·De Jong五函数实验 | 第25-27页 |
| ·SGA的性能研究 | 第25-26页 |
| ·SGA若干改进模型的性能研究 | 第26-27页 |
| ·几个重要的实验结论 | 第27页 |
| ·本章小结 | 第27-28页 |
| 4 实验设计及其原理 | 第28-35页 |
| ·设计方案 | 第28页 |
| ·设计原理 | 第28-32页 |
| ·函数聚类的结构化方法:基于函数表达式的析构 | 第28-29页 |
| ·基于分布熵的算法策略性能评价方法:代价估计 | 第29-31页 |
| ·使用C4.5算法实现规则的归纳学习 | 第31-32页 |
| ·实验模型 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 5 实验模型的实现 | 第35-53页 |
| ·实例的生成 | 第35-41页 |
| ·算法层的实现 | 第35-36页 |
| ·试算策略的设计 | 第36-41页 |
| ·实例数据的分析和处理 | 第41-44页 |
| ·知识规则的产生 | 第44-47页 |
| ·Weka研究平台介绍 | 第44-45页 |
| ·基于Weka的规则归纳的实现 | 第45-47页 |
| ·知识规则的使用和验证 | 第47-48页 |
| ·属性系数与策略之间关系的研究初探 | 第48-52页 |
| ·问题的描述及其复杂性分析 | 第48-49页 |
| ·实验初探 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 6 总结和展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录:部分实验函数列表 | 第58-64页 |
| 在校期间发表论文情况 | 第64页 |
