| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 引言 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 “亚健康”研究国内外现状 | 第12-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第2章 蚁群算法和支持向量机 | 第18-30页 |
| 2.1 蚁群算法 | 第18-24页 |
| 2.1.1 蚁群算法的起源与发展 | 第18-19页 |
| 2.1.2 蚁群算法的基本原理与实现过程 | 第19-22页 |
| 2.1.3 一些改进的蚁群算法 | 第22-23页 |
| 2.1.4 蚁群算法性能评价指标 | 第23-24页 |
| 2.2 支持向量机 | 第24-28页 |
| 2.2.1 统计学原理 | 第24-25页 |
| 2.2.2 支持向量机理论 | 第25-27页 |
| 2.2.3 支持向量机的扩展 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 一种改进的人工免疫特征降维算法 | 第30-44页 |
| 3.1 特征降维 | 第30-32页 |
| 3.1.1 特征降维的过程 | 第31页 |
| 3.1.2 特征降维方法的原则 | 第31-32页 |
| 3.2 特征参数的确定 | 第32-34页 |
| 3.2.1 时域特征提取 | 第32-33页 |
| 3.2.2 频域特征提取 | 第33-34页 |
| 3.3 基本人工免疫算法性能分析 | 第34-36页 |
| 3.4 改进的人工免疫算法特征降维 | 第36-37页 |
| 3.4.1 改进人工免疫算法基本思想 | 第36-37页 |
| 3.4.2 算法基本流程 | 第37页 |
| 3.5 实验结果与分析 | 第37-42页 |
| 3.5.1 实验数据 | 第37-40页 |
| 3.5.2 实验结果与分析 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 一种蚁群优化支持向量机的“亚健康”识别算法 | 第44-54页 |
| 4.1 “亚健康”分析 | 第44-45页 |
| 4.2 支持向量机参数分析 | 第45-47页 |
| 4.2.1 支持向量机参数 | 第45-46页 |
| 4.2.2 参数优化的方法 | 第46-47页 |
| 4.3 改进蚁群优化支持向量机“亚健康”算法 | 第47-52页 |
| 4.3.1 “随机”选择局部最优解策略 | 第48页 |
| 4.3.2 加速最差解“死亡”策略 | 第48-50页 |
| 4.3.3 蚁群优化支持向量机“亚健康”算法 | 第50-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 实验结果及分析 | 第54-62页 |
| 5.1 数据预处理 | 第54-58页 |
| 5.2 改进蚁群算法参数选择 | 第58-59页 |
| 5.3 “亚健康”识别算法仿真实验结果与分析 | 第59-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第6章 总结和展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间公开发表的学术论文及参加科研情况 | 第70-71页 |
| 辽宁大学学历教育硕士学位基本数据表 | 第71-72页 |
| 附件 研究生毕业申请硕士学位材料 | 第72-95页 |