首页--自然科学总论论文--系统科学论文--系统学、现代系统理论论文--大系统理论论文

蚁群算法与小波网络在复杂性科学中的应用研究

中文摘要第1-4页
ABSTRACT第4-9页
第一章 绪论第9-21页
   ·研究背景与问题的提出第9-13页
     ·研究背景第9-11页
     ·问题的提出第11-13页
   ·研究目标、研究内容与研究意义第13-15页
     ·研究目标第13-14页
     ·研究内容第14页
     ·研究意义第14-15页
   ·研究方法和技术路线第15-18页
     ·研究方法第15-17页
     ·技术路线及建模仿真方法第17-18页
   ·论文的主要工作与创新点第18-20页
   ·论文的章节安排第20-21页
第二章 群集智能中的蚁群算法理论第21-56页
   ·群集智能及其基本特性分析第21-23页
   ·群集智能中的蚁群算法第23-30页
     ·真实蚂蚁的觅食现象第23-24页
     ·基本蚁群算法第24-27页
     ·蚁群算法的改进第27-30页
   ·蚁群优化元启发算法框架第30-48页
     ·元启发式搜索算法的基本理论第30-33页
     ·基于蚁群优化的元启发框架第33-35页
     ·蚁群优化元启发框架中的自组织性及其反馈特性分析第35-37页
     ·蚁群算法元启发框架下的收敛性分析第37-48页
       ·基于图搜索蚂蚁系统的收敛性分析第38-44页
       ·蚁群优化算法的收敛性分析第44-48页
   ·蚁群算法中的参数优化设置第48-55页
     ·正交试验设计方法第49-51页
     ·基于正交试验法的蚁群算法参数设置方法第51-52页
     ·仿真试验及其结果分析第52-55页
   ·本章小结第55-56页
第三章 元启发框架下蚁群算法的改进第56-71页
   ·遗传算法与蚁群算法的融合第56-60页
     ·基本遗传蚁群算法第57-58页
     ·基本遗传蚁群算法的收敛性证明第58-60页
   ·基本遗传蚁群算法的改进第60-64页
     ·遗传蚁群算法模型中的遗传算法改进策略第60-63页
     ·遗传蚁群算法模型中的信息素更新机制的改进策略第63-64页
   ·基于遗传蚁群算法的植物病斑检测第64-68页
   ·仿真实验及结果分析第68-69页
   ·本章小结第69-71页
第四章 基于蚁群优化的小波网络第71-99页
   ·小波网络概述第71-72页
   ·小波分析理论第72-78页
     ·小波分析的基本原理第73-76页
     ·小波分解重构算法第76-77页
     ·小波包算法第77-78页
   ·BP 神经网络的基本原理第78-81页
   ·传统小波网络的基本模型第81-83页
   ·蚁群算法优化的小波网络模型第83-96页
     ·小波函数及其选择原则第83-89页
     ·小波网络的参数初始化第89-92页
     ·小波网络的隐层节点数的设计第92-94页
     ·基于蚁群算法的小波网络学习算法研究第94-96页
   ·基于改进型小波网络的故障模式识别模型第96页
   ·仿真实验及结果分析第96-98页
   ·本章小结第98-99页
第五章 基于改进型小波网络的信息融合模型第99-121页
   ·数据缺失机制及其处理方法第99-105页
     ·数据缺失机制第100-101页
     ·缺失数据的常用处理方法第101-104页
     ·期望最大化似然估计在缺失数据处理中的应用第104-105页
   ·基于小波网络的特征级信息融合第105-108页
   ·决策级信息融合模型的构建第108-115页
     ·D-S 证据理论的基本概念第110-111页
     ·D-S 证据理论的组合规则第111-112页
     ·D-S 证据理论的推理决策第112-113页
     ·基于小波网络与证据理论的决策级信息融合模型第113-115页
   ·仿真试验及结果分析第115-120页
   ·本章小结第120-121页
第六章 结论与展望第121-124页
   ·本文工作的总结第121-122页
   ·本文工作的展望第122-124页
参考文献第124-133页
发表论文和参加科研情况说明第133-134页
致谢第134页

论文共134页,点击 下载论文
上一篇:深海系泊系统松弛—张紧过程缆绳的冲击张力研究
下一篇:计量型测量系统能力及其评价方法研究