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

基于蚁群算法和随机森林的上位性识别研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第10-17页
    1.1 研究背景与研究意义第10-12页
        1.1.1 研究背景第10-11页
        1.1.2 研究意义第11-12页
    1.2 研究现状及其挑战第12-14页
        1.2.1 研究现状第12-14页
        1.2.2 面临的挑战第14页
    1.3 本文的研究内容第14-15页
    1.4 本文的组织结构第15-17页
第2章 上位性基本概念与实验数据集介绍第17-26页
    2.1 基本概念第17-21页
    2.2 上位性模型第21-22页
    2.3 本文使用的数据集第22-25页
    2.4 本章小结第25-26页
第3章 基于先验信息与随机森林的特征选择方法SNPRANK第26-40页
    3.1.随机森林与Relief F方法简介第26-28页
    3.2、基于随机森林方法的综述第28-29页
    3.3、一种基于先验信息与随机森林的特征选择方法第29-32页
    3.4、实验结果第32-39页
        3.4.1、实验数据与评价指标第32-33页
        3.4.2、实验结果及分析第33-39页
    3.5、本章小结第39-40页
第4章 基于蚁群算法和随机森林的上位性检测算法第40-51页
    4.1 蚁群算法与SURF简介第40-43页
    4.2 基于蚁群算法和随机森林的上位性检测算法第43-45页
    4.3 实验结果展现与分析第45-50页
        4.3.1 数据集介绍及实验评价标准第45-46页
        4.3.2 对照算法介绍第46页
        4.3.3 实验结果分析第46-50页
    4.4 本章小结第50-51页
第5章 总结与展望第51-53页
    5.1 总结第51-52页
    5.2 展望第52-53页
参考文献第53-56页
作者简介第56-57页
致谢第57页

论文共57页,点击 下载论文
上一篇:基于卷积神经网络的汽车仪表符号识别系统的设计与实现
下一篇:深度学习框架研究及初步实现