| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 论文的研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 人工蜂群算法的发展 | 第12-13页 |
| 1.2.2 特征选择算法的发展 | 第13-15页 |
| 1.3 本文研究内容与组织结构 | 第15-17页 |
| 第二章 相关理论知识介绍 | 第17-34页 |
| 2.1 人工蜂群算法 | 第17-21页 |
| 2.1.1 人工蜂群算法基本思想 | 第17-18页 |
| 2.1.2 人工蜂群算法框架 | 第18-19页 |
| 2.1.3 人工蜂群算法流程 | 第19-21页 |
| 2.2 多目标优化理论 | 第21-24页 |
| 2.2.1 多目标优化问题描述 | 第21-22页 |
| 2.2.2 Pareto最优理论 | 第22-24页 |
| 2.3 特征选择技术 | 第24-30页 |
| 2.3.1 特征选择定义 | 第24-25页 |
| 2.3.2 特征选择分类 | 第25-28页 |
| 2.3.3 特征选择方法 | 第28-30页 |
| 2.4 Knee Points | 第30-31页 |
| 2.5 K-NN算法介绍 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 多目标人工蜂群算法及其改进研究 | 第34-55页 |
| 3.1 基本多目标人工蜂群算法(MOABC)分析 | 第34-36页 |
| 3.2 对原始MOABC的改进 | 第36-41页 |
| 3.2.1 自适应knee point识别方法 | 第36-38页 |
| 3.2.2 基于knee point的引领蜂精英搜索机制 | 第38页 |
| 3.2.3 基于knee point的跟随蜂搜索机制 | 第38-39页 |
| 3.2.4 自适应动态搜索邻域控制方法 | 第39-40页 |
| 3.2.5 利用当前最优解引导进化的重新初始化方法 | 第40-41页 |
| 3.3 改进的多目标人工蜂群算法步骤 | 第41-42页 |
| 3.4 算法仿真实验与分析 | 第42-54页 |
| 3.4.1 测试函数及评价标准 | 第42-45页 |
| 3.4.2 实验参数设置 | 第45-46页 |
| 3.4.3 实验结果与对比分析 | 第46-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 基于改进多目标人工蜂群算法的特征选择的研究 | 第55-65页 |
| 4.1 特征选择方法的原理 | 第55页 |
| 4.2 基于KnMOABC的特征选择方法 | 第55-57页 |
| 4.3 性能仿真和分析 | 第57-64页 |
| 4.3.1 实验数据集以及实验参数设置 | 第57-59页 |
| 4.3.2 实验结果分析 | 第59-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 相关工作总结 | 第65-66页 |
| 5.2 未来工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 附录A: 图索引 | 第73-74页 |
| AppendixA:Figures Index | 第74-75页 |
| 附录B: 表索引 | 第75-76页 |
| Appendix B: Table Index | 第76-77页 |
| 致谢 | 第77-78页 |
| 在读期间发表的学术论文 | 第78页 |
