| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-20页 |
| ·最优化问题及其求解 | 第13-14页 |
| ·群体智能算法概况 | 第14-15页 |
| ·粒子群优化算法研究综述 | 第15-16页 |
| ·神经网络在函数逼近方面的研究综述 | 第16-17页 |
| ·音乐流派自动分类研究综述 | 第17-19页 |
| ·本文研究目的及内容 | 第19-20页 |
| 第二章 DMS-NM-PSO 算法理论研究 | 第20-30页 |
| ·粒子群优化算法 | 第20-22页 |
| ·标准粒子群优化算法 | 第20-21页 |
| ·动态多种群粒子群优化算法 | 第21-22页 |
| ·Nelder-Mead(NM)单纯形法 | 第22-25页 |
| ·DMS-NM-PSO 算法基本原理 | 第25-28页 |
| ·DMS-NM-PSO 算法的结构 | 第25-28页 |
| ·DMS-NM-PSO 算法的控制参数及流程 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第三章 控制参数选择及 CEC05 测试函数的仿真实验 | 第30-45页 |
| ·控制参数选择 | 第30-34页 |
| ·CEC05 测试函数的仿真实验 | 第34-39页 |
| ·实验设置 | 第34-35页 |
| ·与 DMS-PSO 算法的比较 | 第35-37页 |
| ·与 DMS-L-PSO 算法的比较 | 第37-39页 |
| ·综合实验研究与分析 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 DMS-NM-PSO 的应用研究 | 第45-62页 |
| ·DMS-NM-PSO 在函数逼近中的应用 | 第45-53页 |
| ·BP 神经网络的原理 | 第45-47页 |
| ·DMS-NM-PSO 优化 BP 神经网络 | 第47-49页 |
| ·案例分析 | 第49-53页 |
| ·DMS-NM-PSO 在音乐流派自动分类中的应用 | 第53-61页 |
| ·音乐流派自动分类原理 | 第53-54页 |
| ·DMS-NM-PSO 优化支持向量机的原理 | 第54-55页 |
| ·音乐特征参数及其提取 | 第55-56页 |
| ·音乐流派自动分类仿真实验 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 结论及工作展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读学位期间发表论文 | 第70-71页 |
| 致谢 | 第71-74页 |