| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的及意义 | 第9-10页 |
| 1.2 启发式智能优化算法综述 | 第10-13页 |
| 1.2.1 启发式智能优化算法的研究现状 | 第10-12页 |
| 1.2.2 万有引力搜索算法的研究现状 | 第12-13页 |
| 1.3 支持向量机发展简介 | 第13-14页 |
| 1.4 本文主要研究内容和结构 | 第14-16页 |
| 第2章 改进万有引力算法(IGSA)研究 | 第16-31页 |
| 2.1 万有引力算法(GSA)基本原理 | 第16-18页 |
| 2.2 IGSA原理设计 | 第18-22页 |
| 2.2.1 粒子群算法 | 第18-20页 |
| 2.2.2 基于群体信息共享的万有引力搜索算法 | 第20-21页 |
| 2.2.3 IGSA基本原理 | 第21-22页 |
| 2.3 IGSA实现步骤 | 第22-23页 |
| 2.4 测试对比仿真验证 | 第23-30页 |
| 2.4.1 测试函数 | 第23-25页 |
| 2.4.2 参数设置与仿真结果 | 第25-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 IGSA-MLSSVR优化设计 | 第31-40页 |
| 3.1 概述 | 第31页 |
| 3.2 多输出最小二乘支持向量回归机(MLSSVR)工作原理 | 第31-38页 |
| 3.2.1 支持向量回归机 | 第31-34页 |
| 3.2.2 核函数 | 第34页 |
| 3.2.3 LS-SVR基本原理 | 第34-36页 |
| 3.2.4 MLSSVR的基本原理 | 第36-38页 |
| 3.3 IGSA优化MLSSVR参数的实现步骤 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于IGSA-MLSSVR的板形模式识别应用研究 | 第40-55页 |
| 4.1 板形基本模式 | 第40-42页 |
| 4.2 基于IGSA-MLSSVR的板形模式识别系统设计 | 第42-44页 |
| 4.2.1 基于IGSA-MLSVR的板形模式识别模型的结构 | 第42-43页 |
| 4.2.2 板形模式识别的步骤 | 第43-44页 |
| 4.3 板形模式识别仿真分析 | 第44-51页 |
| 4.4 板形模式识别GUI界面设计 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
