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

基于改进粒子群算法的神经网络分类器研究

摘要第5-6页
abstract第6页
第1章 绪论第9-15页
    1.1 课题背景及意义第9-10页
    1.2 国内外研究现状第10-12页
        1.2.1 粒子群优化神经网络研究现状第10-11页
        1.2.2 恶意网页检测研究现状第11-12页
    1.3 论文内容及组织结构安排第12-15页
第2章 相关理论研究第15-23页
    2.1 人工神经网络概述第15-16页
    2.2 BP神经网络的原理第16-19页
    2.3 BP神经网络优缺点分析第19-20页
    2.4 BP算法的改进第20-21页
    2.5 本章小结第21-23页
第3章 粒子群算法的分析与改进第23-35页
    3.1 PSO算法第23-26页
        3.1.1 PSO算法的基本原理第23-25页
        3.1.2 PSO算法的分析第25-26页
    3.2 改进的粒子群算法SCPSO第26-28页
        3.2.1 参数动态调整策略第26-27页
        3.2.2 粒子分散变异策略第27-28页
    3.3 SCPSO算法实验分析第28-33页
    3.4 本章小节第33-35页
第4章 SCPSO算法优化BP神经网络第35-47页
    4.1 SCPSO优化神经网络的优点第35页
    4.2 SCPSO优化神经网络的权值第35-36页
    4.3 神经网络分类器整体设计第36-38页
        4.3.1 网络层数的设计第36页
        4.3.2 隐含层节点的设计第36-37页
        4.3.3 分类器结构的设计第37-38页
    4.4 SCPSO优化神经网络分类器第38-40页
        4.4.1 算法的优化原理第38页
        4.4.2 算法的优化步骤第38-40页
    4.5 实验分析第40-45页
        4.5.1 实验数据集介绍第40页
        4.5.2 实验数据预处理第40-41页
        4.5.3 实验步骤第41-42页
        4.5.4 实验结果分析第42-45页
    4.6 本章小结第45-47页
第5章 BP神经网络分类器在恶意网页检测中的应用第47-60页
    5.1 恶意网页检测分析第47页
    5.2 恶意网页检测模型的建立第47-50页
        5.2.1 数据特征提取及处理第47-48页
        5.2.2 SCPSO优化神经网络第48-50页
    5.3 恶意网页检测的实现第50-59页
        5.3.1 神经网络分类器的训练第50-53页
        5.3.2 恶意网页检测结果分析第53-59页
    5.4 本章小结第59-60页
结论第60-63页
参考文献第63-69页
攻读硕士学位期间发表的论文和取得的科研成果第69-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:面向定制化生产的生产排产与生产控制功能研究
下一篇:基于云服务模式的远程智能故障诊断系统的实现