首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于遗传算法的张量特征选择研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-16页
    1.1 选题背景及研究意义第10-11页
    1.2 国内外研究进展第11-14页
        1.2.1 支持张量机研究进展第11-13页
        1.2.2 特征选择研究进展第13-14页
    1.3 本文的研究内容及组织第14-16页
        1.3.1 本文的研究内容第14页
        1.3.2 本文的组织第14-16页
第二章 相关理论和基础知识第16-28页
    2.1 符号和张量基本概念第16-18页
    2.2 支持向量机相关基础知识第18-21页
        2.2.1 非线性支持向量机模型(NSVM)第20-21页
    2.3 支持张量机相关基本知识第21-27页
        2.3.1 支持张量机模型(STM)第22-24页
        2.3.2 线性支持高阶张量机模型(SHTM)第24-27页
    2.4 本章小结第27-28页
第三章 基于遗传算法的张量特征选择第28-46页
    3.1 遗传算法第28页
    3.2 遗传算法的技术实现第28-31页
        3.2.1 编码第28-29页
        3.2.2 适应度函数第29页
        3.2.3 选择算子第29页
        3.2.4 交叉算子第29-30页
        3.2.5 变异算子第30页
        3.2.6 控制参数选择第30-31页
    3.3 向量模式的特征选择算法介绍第31-33页
        3.3.1第31-33页
            3.3.1.1 Filter 类第31-32页
            3.3.1.2 Wrapper 类第32-33页
    3.4 基于遗传算法的张量特征选择(TFS-SHTM)第33-37页
        3.4.1 张量的特征选择第33-35页
        3.4.2 遗传算法的设计第35-37页
    3.5 实验结果与分析第37-44页
        3.5.1 实验数据集及参数设置第37-40页
        3.5.2 实验结果分析第40-44页
    3.6 本章小结第44-46页
第四章 基于遗传算法的非线性支持高阶张量机第46-55页
    4.1 非线性支持高阶张量机模型(NSHTM)第46-49页
    4.2 基于遗传算法的非线性支持高阶张量机模型(GA-NSHTM)第49-51页
    4.3 实验结果与分析第51-53页
        4.3.1 实验数据集与参数设置第51-52页
        4.3.2 实验结果分析第52-53页
    4.4 本章小结第53-55页
结论与展望第55-56页
参考文献第56-61页
攻读硕士学位期间取得的研究成果第61-62页
致谢第62-63页
附件第63页

论文共63页,点击 下载论文
上一篇:基于无线网络智能机器人远程监控系统的研究
下一篇:猕猴桃成熟度检测仪关键技术的研究