摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
缩略语对照表 | 第15-21页 |
第一章 绪论 | 第21-31页 |
1.1 研究背景和意义 | 第21-22页 |
1.2 ROC曲线和DET图 | 第22-23页 |
1.3 多目标优化问题及其算法 | 第23-26页 |
1.4 研究现状及难点 | 第26-28页 |
1.5 本文主要工作与结构安排 | 第28-31页 |
第二章 基于三维凸包的进化多目标优化算法 | 第31-63页 |
2.1 引言 | 第31-33页 |
2.2 相关工作 | 第33-35页 |
2.3 增广DET图和多目标优化问题 | 第35-40页 |
2.3.1 增广DET图和多目标分类器 | 第35-37页 |
2.3.2 ADCH最大化和多目标优化 | 第37-40页 |
2.4 基于三维凸包的进化多目标优化算法 | 第40-44页 |
2.4.1 基于无冗余三维凸包的排序算法 | 第40-41页 |
2.4.2 VAS贡献选择机制 | 第41-42页 |
2.4.3 算法框架 | 第42-43页 |
2.4.4 算法复杂度分析 | 第43-44页 |
2.5 人工设计测试问题实验 | 第44-53页 |
2.5.1 ZEJD问题设计 | 第44-46页 |
2.5.2 评价准则 | 第46-47页 |
2.5.3 参数设置 | 第47页 |
2.5.4 结果和分析 | 第47-53页 |
2.6 邮件检测问题 | 第53-56页 |
2.6.1 基于多目标优化的邮件检测问题 | 第53-54页 |
2.6.2 Spam Assassin库 | 第54页 |
2.6.3 对比算法 | 第54页 |
2.6.4 参数设置 | 第54-55页 |
2.6.5 结果和分析 | 第55-56页 |
2.7 多目标稀疏神经网络学习 | 第56-61页 |
2.7.1 多目标稀疏神经网络 | 第57页 |
2.7.2 UCI数据集 | 第57页 |
2.7.3 对比算法 | 第57-58页 |
2.7.4 参数设置 | 第58页 |
2.7.5 结果和讨论 | 第58-61页 |
2.8 本章小结 | 第61-63页 |
第三章 基于三维增量凸包的进化多目标优化算法 | 第63-87页 |
3.1 引言 | 第63-64页 |
3.2 相关工作 | 第64-66页 |
3.3 基于三维增量凸包的进化多目标优化算法 | 第66-73页 |
3.3.1 基于三维增量凸包的排序算法 | 第66-68页 |
3.3.2 基于年龄的选择策略 | 第68-69页 |
3.3.3 ?VAS快速计算算法 | 第69-72页 |
3.3.4 增量凸包构造算法 | 第72-73页 |
3.3.5 算法复杂度分析 | 第73页 |
3.4 实验结果和分析 | 第73-86页 |
3.4.1 算法3DFCH-EMOA和多种EMOAs对比 | 第75-82页 |
3.4.2 算法3DFCH-EMOA和3DCH-EMOA对比 | 第82-86页 |
3.4.3 基于年龄的选择策略和随机选择策略对比 | 第86页 |
3.5 本章小结 | 第86-87页 |
第四章 进化多目标稀疏集成学习 | 第87-115页 |
4.1 引言 | 第87-89页 |
4.2 相关工作 | 第89-90页 |
4.3 多目标稀疏集成学习 | 第90-96页 |
4.3.1 稀疏集成学习 | 第90-92页 |
4.3.2 多目标集成学习 | 第92页 |
4.3.3 增广DET凸包最大化 | 第92-95页 |
4.3.4 稀疏实数编码 | 第95-96页 |
4.4 实验结果和讨论 | 第96-113页 |
4.4.1 基于C4.5和装袋策略的实验结果 | 第98-106页 |
4.4.2 基于CART和随机子空间的实验结果 | 第106-110页 |
4.4.3 多目标稀疏集成算法和五种修剪算法对比 | 第110-113页 |
4.5 本章小结 | 第113-115页 |
第五章 多目标卷积神经网络及其学习算法 | 第115-133页 |
5.1 引言 | 第115-117页 |
5.2 相关工作 | 第117-120页 |
5.2.1 卷积神经网络 | 第117-120页 |
5.2.2 双档案高维多目标进化算法 | 第120页 |
5.3 高维多目标卷积神经网络 | 第120-126页 |
5.3.1 多类别DET超平面 | 第121-123页 |
5.3.2 高维多目标卷积神经网络 | 第123页 |
5.3.3 Ma O-CNN学习算法 | 第123-126页 |
5.4 实验结果和分析 | 第126-132页 |
5.4.1 数据库描述 | 第126-128页 |
5.4.2 实验采用算法 | 第128页 |
5.4.3 评价准则 | 第128页 |
5.4.4 参数设置 | 第128-129页 |
5.4.5 实验结果和讨论 | 第129-132页 |
5.5 本章小结 | 第132-133页 |
第六章 多目标深度卷积生成式对抗网络 | 第133-153页 |
6.1 引言 | 第133-134页 |
6.2 相关工作 | 第134-136页 |
6.2.1 生成式对抗网 | 第134-135页 |
6.2.2 深度卷积生成式对抗网络 | 第135-136页 |
6.3 多目标深度卷积生成式对抗网络 | 第136-141页 |
6.3.1 模型设计 | 第136-137页 |
6.3.2 群搜索策略 | 第137-138页 |
6.3.3 基于Pareto占优的选择策略 | 第138-139页 |
6.3.4 交叉算子设计 | 第139-140页 |
6.3.5 MO-DCGAN学习框架 | 第140-141页 |
6.4 实验结果和分析 | 第141-150页 |
6.4.1 参数设置 | 第141-142页 |
6.4.2 实验结果和讨论 | 第142-150页 |
6.5 本章小结 | 第150-153页 |
第七章 总结和展望 | 第153-157页 |
7.1 论文主要工作和总结 | 第153-155页 |
7.2 工作展望 | 第155-157页 |
参考文献 | 第157-173页 |
致谢 | 第173-175页 |
作者简介 | 第175-177页 |