首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

高维多目标优化的可视化技术研究

摘要第3-4页
ABSTRACT第4-5页
1 绪论第9-15页
    1.1 课题研究背景及意义第9-10页
    1.2 高维多目标优化的可视化问题研究现状第10-12页
        1.2.1 国内外研究现状第10-11页
        1.2.2 高维多目标优化的可视化面临的挑战第11-12页
    1.3 本文的主要研究工作及创新之处第12-13页
        1.3.1 本文主要研究工作第12页
        1.3.2 本文的创新之处第12-13页
    1.4 论文组织结构第13-15页
2 高维多目标优化问题及相关可视化技术第15-31页
    2.1 高维多目标优化问题相关概念第15-16页
    2.2 高维多目标优化面临的挑战第16页
    2.3 高维多目标优化算法的研究方向第16-17页
        2.3.1 改善占优机制第16-17页
        2.3.2 目标降维第17页
        2.3.3 可视化的方法第17页
    2.4 高维多目标优化算法测试函数第17-18页
    2.5 可视化技术概述第18-20页
        2.5.1 可视化技术定义第19页
        2.5.2 可视化的研究领域第19页
        2.5.3 可视化方法中的主要构成方法第19-20页
    2.6 可视化技术的数据分析方法第20-23页
        2.6.1 数据非降维分析方法第20-21页
        2.6.2 数据降维的分析方法第21-23页
    2.7 可视化技术的显示工具第23-29页
        2.7.1 基于几何的技术第23-24页
        2.7.2 面向像素的技术第24-25页
        2.7.3 基于图标的技术第25-26页
        2.7.4 基于层次的技术第26-28页
        2.7.5 基于图形的技术第28-29页
    2.8 本章小结第29-31页
3 基于 PCA 的高维多目标优化的可视化方法第31-47页
    3.1 引言第31页
    3.2 相关技术介绍第31-33页
        3.2.1 主成分分析第31-32页
        3.2.2 热图第32-33页
    3.3 基于 PCA 的高维多目标优化的可视化方法第33-41页
        3.3.1 结合非降维和降维的数据分析方法第33-34页
        3.3.2 基于热图的显示工具第34-35页
        3.3.3 基于主成分贡献率的分级聚类算法第35-36页
        3.3.4 算法描述第36-39页
        3.3.5 算法分析与证明第39-41页
    3.4 实验结果及分析第41-45页
        3.4.1 实验方案及配置第41页
        3.4.2 实验结果分析第41-45页
    3.5 本章小结第45-47页
4 基于相似度排序的高维多目标优化的可视化方法第47-59页
    4.1 引言第47页
    4.2 相似度排序策略的总体思路第47-48页
    4.3 基于相似度排序的高维多目标优化的可视化方法第48-51页
        4.3.1 基于最小相似度之和的排序策略第48-50页
        4.3.2 基于偏好的排序策略第50-51页
    4.4 实验结果及分析第51-58页
        4.4.1 实验方案及配置第51页
        4.4.2 实验结果及分析第51-58页
    4.5 本章小结第58-59页
5 多目标优化平台的设计与开发第59-77页
    5.1 引言第59页
    5.2 多目标优化平台系统需求分析第59-61页
        5.2.1 系统功能分析第59-61页
        5.2.2 系统界面及性能分析第61页
    5.3 多目标优化平台总体设计方案第61-63页
        5.3.1 系统架构与流程第61-63页
        5.3.2 系统的接口设计第63页
    5.4 多目标优化平台具体实现第63-73页
        5.4.1 优化算法的选择第63-64页
        5.4.2 优化算法的参数配置第64-66页
        5.4.3 测试函数第66-68页
        5.4.4 数据的保存第68-69页
        5.4.5 算法评价指标比较第69-70页
        5.4.6 可视化第70-73页
    5.5 系统扩展能力第73-75页
        5.5.1 测试函数的扩展第73-74页
        5.5.2 多目标优化算法的扩展第74-75页
    5.6 本章小结第75-77页
6 结论与展望第77-79页
    6.1 论文工作总结第77页
    6.2 工作展望第77-79页
致谢第79-81页
参考文献第81-85页
附录第85页
    A.作者在攻读硕士学位期间发表及录用的论文目录第85页
    B. 作者在攻读硕士学位期间参加的科研项目第85页

论文共85页,点击 下载论文
上一篇:基于手机摄像头扫描的QR码识别算法研究
下一篇:利率市场化进程中我国中小型商业银行利率风险管理研究