摘要 | 第4-6页 |
Abstract | 第6-8页 |
第1章 绪论 | 第12-24页 |
1.1 课题背景及研究的目的和意义 | 第12-14页 |
1.2 水质分析评价的常用方法 | 第14-18页 |
1.2.1 国家现行海洋水质评价标准 | 第14-16页 |
1.2.2 主要水质评价方法 | 第16-18页 |
1.3 水质监测数据分析与应用研究现状 | 第18-21页 |
1.3.1 国外研究现状 | 第18-20页 |
1.3.2 国内研究现状 | 第20-21页 |
1.4 存在的问题和研究意义 | 第21-23页 |
1.5 本文的研究内容 | 第23-24页 |
第2章 水质监测数据分析研究的理论基础 | 第24-40页 |
2.1 引言 | 第24页 |
2.2 遗传算法基础理论 | 第24-27页 |
2.2.1 进化计算 | 第25页 |
2.2.2 遗传算法 | 第25-27页 |
2.3 关联规则基础理论 | 第27-31页 |
2.3.1 数据挖掘 | 第27-29页 |
2.3.2 关联规则 | 第29-31页 |
2.4 神经网络基础理论 | 第31-39页 |
2.4.1 人工神经网络 | 第32-36页 |
2.4.2 BP神经网络 | 第36-39页 |
2.5 本章小结 | 第39-40页 |
第3章 基于自适应免疫遗传关联规则的挖掘算法研究 | 第40-57页 |
3.1 引言 | 第40页 |
3.2 免疫遗传算法分析 | 第40-43页 |
3.3 自适应交叉变异概率优化设计 | 第43-45页 |
3.4 自适应免疫遗传挖掘算法设计 | 第45-49页 |
3.4.1 自适应免疫遗传挖掘算法过程设计 | 第45-49页 |
3.4.2 自适应免疫遗传挖掘算法步骤与流程 | 第49页 |
3.5 自适应免疫遗传挖掘算法的实验验证 | 第49-52页 |
3.5.1 参数设置 | 第49-51页 |
3.5.2 实验结果及分析 | 第51-52页 |
3.6 基于自适应免疫遗传算法的关联规则在水质监测数据中的应用 | 第52-55页 |
3.6.1 数据预处理 | 第52-54页 |
3.6.2 编码 | 第54页 |
3.6.3 产生规则描述 | 第54-55页 |
3.7 本章小结 | 第55-57页 |
第4章 基于自适应免疫遗传关联规则的规则更新算法研究 | 第57-67页 |
4.1 引言 | 第57页 |
4.2 关联规则的规则更新 | 第57-58页 |
4.3 自适应免疫遗传关联规则更新算法研究 | 第58-60页 |
4.3.1 规则更新算法原理 | 第58-59页 |
4.3.2 规则更新算法相关定义 | 第59页 |
4.3.3 规则更新算法步骤与流程 | 第59-60页 |
4.4 自适应免疫遗传关联规则更新算法的实验验证 | 第60-65页 |
4.4.1 规则更新算法的仿真实验 | 第62页 |
4.4.2 规则更新算法性能对比 | 第62-65页 |
4.5 规则更新算法在水质监测数据增量挖掘中的应用 | 第65-66页 |
4.6 本章小结 | 第66-67页 |
第5章 基于免疫递阶遗传的BP神经网络评价预警研究 | 第67-92页 |
5.1 引言 | 第67页 |
5.2 免疫递阶遗传算法设计 | 第67-73页 |
5.2.1 问题描述 | 第67-69页 |
5.2.2 染色体编码 | 第69页 |
5.2.3 递阶交叉和变异 | 第69-70页 |
5.2.4 免疫递阶遗传算法整体设计 | 第70-72页 |
5.2.5 免疫递阶遗传算法流程 | 第72-73页 |
5.3 BP神经网络的优化研究 | 第73-80页 |
5.3.1 问题描述 | 第73-76页 |
5.3.2 LM-BP神经网络 | 第76-78页 |
5.3.3 贝叶斯正则化LM-BP神经网络 | 第78-80页 |
5.4 基于免疫递阶遗传的BP神经网络模型设计 | 第80-81页 |
5.5 基于免疫递阶遗传的BP神经网络模型的实验验证 | 第81-86页 |
5.5.1 免疫递阶遗传算法的仿真实验 | 第81-85页 |
5.5.2 贝叶斯正则化LM-BP算法的仿真实验 | 第85-86页 |
5.6 基于免疫递阶遗传的BP神经网络在水质监测数据中的应用 | 第86-90页 |
5.7 本章小结 | 第90-92页 |
结论 | 第92-94页 |
参考文献 | 第94-105页 |
攻读博士学位期间承担的科研任务与主要成果 | 第105-106页 |
致谢 | 第106页 |