基于遗传规划的多类分类技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·研究背景 | 第9页 |
| ·研究现状 | 第9-10页 |
| ·本文研究思路 | 第10-11页 |
| ·论文内容安排 | 第11-12页 |
| 2 遗传规划的基本理论 | 第12-22页 |
| ·进化计算 | 第12-13页 |
| ·遗传算法 | 第12-13页 |
| ·进化规划 | 第13页 |
| ·进化策略 | 第13页 |
| ·遗传规划 | 第13-22页 |
| ·遗传规划基本原理 | 第13-16页 |
| ·遗传规划的特点 | 第16页 |
| ·遗传规划的结构 | 第16页 |
| ·个体的描述方法 | 第16-17页 |
| ·初始群体的生成 | 第17-18页 |
| ·遗传规划的适应度评价方法 | 第18-20页 |
| ·遗传算子及遗传操作 | 第20-21页 |
| ·终止准则与结果判定 | 第21-22页 |
| 3 分类技术研究 | 第22-27页 |
| ·分类技术 | 第22页 |
| ·分类方法 | 第22-24页 |
| ·KNN方法 | 第22-23页 |
| ·决策树分类法 | 第23页 |
| ·人工神经网络分类 | 第23页 |
| ·支持向量机分类法 | 第23-24页 |
| ·基于遗传规划的分类技术 | 第24-27页 |
| ·基于遗传规划的两类分类过程 | 第24-25页 |
| ·基于遗传规划的多类分类技术 | 第25页 |
| ·基于静态边界的遗传规划分类模型 | 第25-27页 |
| 4 基于遗传规划的多类分类技术改进 | 第27-42页 |
| ·基于动态边界的分类模型 | 第27-31页 |
| ·基于中心的动态边界选择模型 | 第27-29页 |
| ·基于狭槽的动态边界选择模型 | 第29-31页 |
| ·梯度下降法在遗传规划中的使用 | 第31-38页 |
| ·梯度下降法的基本思路 | 第32页 |
| ·遗传规划中的梯度下降算法 | 第32-38页 |
| ·冗余代码的简化 | 第38-42页 |
| ·遗传规划算法的搜索空间及存在的问题 | 第38-39页 |
| ·消除冗余的方法 | 第39-40页 |
| ·简化过程 | 第40-42页 |
| 5 基于遗传规划的多类分类技术实验 | 第42-53页 |
| ·数据样本 | 第42-44页 |
| ·计算机产生的基元图像 | 第42-43页 |
| ·新西兰硬币 | 第43-44页 |
| ·实验的建立 | 第44-46页 |
| ·图像识别的过程 | 第44页 |
| ·终端集的确定 | 第44-45页 |
| ·函数集的确定和初始群体的生成 | 第45-46页 |
| ·适应度函数 | 第46页 |
| ·其它参数的设定 | 第46页 |
| ·动态边界选择的分类模型实验结果与分析 | 第46-48页 |
| ·计算机生成图形的实验结果与分析 | 第47页 |
| ·新西兰硬币样本的实验结果与分析 | 第47-48页 |
| ·遗传规划中引入梯度下降算法的实验结果与讨论 | 第48-51页 |
| ·冗余简化的实验结果与分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 6 结论与展望 | 第53-55页 |
| ·本文的主要工作 | 第53页 |
| ·对未来工作的展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 在读期间发表的学术论文 | 第61-62页 |
| 作者简历 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附录 | 第64-68页 |
