摘要 | 第6-7页 |
Abstract | 第7页 |
第1章 绪论 | 第10-19页 |
1.1 研究背景及意义 | 第10-17页 |
1.1.1 研究背景 | 第10-12页 |
1.1.2 国内外研究现状 | 第12-15页 |
1.1.3 研究意义 | 第15-17页 |
1.2 本文的研究内容 | 第17-18页 |
1.3 本章小结 | 第18-19页 |
第2章 BP神经网络和遗传算法 | 第19-32页 |
2.1 BP神经网络 | 第19-25页 |
2.1.1 人工神经网络 | 第19-20页 |
2.1.2 BP算法 | 第20-24页 |
2.1.3 设计BP网络 | 第24-25页 |
2.1.4 BP算法局限性分析 | 第25页 |
2.2 遗传算法 | 第25-29页 |
2.2.1 遗传算法原理 | 第25-26页 |
2.2.2 编码方式 | 第26页 |
2.2.3 遗传算法的主要操作 | 第26-29页 |
2.2.4 遗传算法的局限性分析 | 第29页 |
2.3 自适应遗传算法 | 第29-31页 |
2.4 本章小结 | 第31-32页 |
第3章 跳跃基因遗传算法 | 第32-39页 |
3.1 跳跃基因 | 第32-35页 |
3.2 跳跃基因遗传算法 | 第35-38页 |
3.3 本章小结 | 第38-39页 |
第4章 改进GA-BP算法并建立模型 | 第39-48页 |
4.1 GA-BP算法 | 第39-43页 |
4.1.1 GA-BP算法简介 | 第39-40页 |
4.1.2 算法的主要操作 | 第40-42页 |
4.1.3 GA-BP算法局限性分析 | 第42-43页 |
4.2 改进的GA-BP算法 | 第43-46页 |
4.2.1 AGA-BP算法 | 第43-45页 |
4.2.2 JG-GA-BP算法和JG-AGA-BP算法 | 第45-46页 |
4.3 本章小结 | 第46-48页 |
第5章 基于跳跃基因的GA-BP算法实验仿真 | 第48-63页 |
5.1 数值仿真 | 第48-53页 |
5.1.1 随机数数据集介绍 | 第48-49页 |
5.1.2 基于GA-BP算法的实验设计 | 第49-51页 |
5.1.3 基于AGA-BP算法的实验设计 | 第51页 |
5.1.4 基于JG-GA-BP算法的实验设计 | 第51页 |
5.1.5 基于JG-AGA-BP算法的实验设计 | 第51-53页 |
5.2 iris数据集实验仿真 | 第53-55页 |
5.2.1 iris数据集 | 第53页 |
5.2.2 基于GA-BP算法的实验设计 | 第53-54页 |
5.2.3 基于改进GA-BP算法的实验设计 | 第54-55页 |
5.3 wine数据集实验仿真 | 第55-58页 |
5.3.1 wine数据集介绍 | 第55-56页 |
5.3.2 基于GA-BP算法的实验设计 | 第56页 |
5.3.3 基于改进GA-BP算法的实验设计 | 第56-58页 |
5.4 鲍鱼数据集实验仿真 | 第58-61页 |
5.4.1 鲍鱼数据集介绍 | 第58-59页 |
5.4.2 基于GA-BP算法的实验设计 | 第59页 |
5.4.3 基于改进GA-BP算法的实验设计 | 第59-61页 |
5.5 结果对比 | 第61-62页 |
5.6 本章小结 | 第62-63页 |
结论 | 第63-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-71页 |
作者简介 | 第71页 |
攻读硕士期间发表的论文和科研成果 | 第71-72页 |