基于进化计算的复杂分类算法研究及应用
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究的背景及意义 | 第8-10页 |
| ·相关问题研究现状 | 第10-12页 |
| ·本文结构安排及创新点 | 第12-14页 |
| 第二章 进化计算基本理论 | 第14-28页 |
| ·进化计算的主要分支 | 第15-16页 |
| ·进化计算的组成要素 | 第16-22页 |
| ·种群多样性与小生境 | 第22-23页 |
| ·混合进化算法 | 第23-26页 |
| ·多目标进化算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 用于模糊分类器设计的混合进化算法 | 第28-48页 |
| ·相关研究 | 第28-29页 |
| ·基于模糊规则的分类模型 | 第29-30页 |
| ·模糊分类混合进化算法 | 第30-40页 |
| ·隶属度函数 | 第31-32页 |
| ·个体编码 | 第32-33页 |
| ·种群初始化 | 第33-34页 |
| ·遗传操作：交叉和变异 | 第34页 |
| ·适应值 | 第34-35页 |
| ·q-近邻替换小生境方法 | 第35-37页 |
| ·局部搜索 | 第37-38页 |
| ·规则提取 | 第38-40页 |
| ·实验 | 第40-47页 |
| ·实验设置 | 第40-41页 |
| ·实验一：局部搜索效果分析 | 第41-43页 |
| ·实验二：与其他分类器的比较 | 第43-45页 |
| ·关于模糊规则集可理解性的讨论 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 用于判别分类的遗传规划算法 | 第48-64页 |
| ·遗传规划基本原理 | 第48-49页 |
| ·遗传规划分类模型 | 第49-52页 |
| ·两类问题 | 第49-50页 |
| ·多类问题 | 第50-52页 |
| ·新的遗传规划判别分类模型 | 第52-54页 |
| ·适应值评价 | 第53页 |
| ·算法流程 | 第53-54页 |
| ·Boosting 判别函数学习算法 | 第54-57页 |
| ·前向步进累加建模法 | 第55页 |
| ·判别函数Boosting 学习算法 | 第55-57页 |
| ·实验分析 | 第57-63页 |
| ·实验一：GPDC | 第57-60页 |
| ·实验二：Boost GPDC | 第60-62页 |
| ·实验结果对比 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 用于特征选择的多目标进化算法 | 第64-88页 |
| ·特征选择简介 | 第64-65页 |
| ·互信息 | 第65-67页 |
| ·相关研究 | 第67-69页 |
| ·一种新的特征冗余度 | 第69-71页 |
| ·多目标进化特征选择算法 | 第71-75页 |
| ·多目标优化 | 第71-72页 |
| ·MOEA-FS 算法 | 第72-75页 |
| ·实验分析 | 第75-86页 |
| ·验证新冗余度的有效性 | 第75-83页 |
| ·MOEA-FS 算法实验结果 | 第83-86页 |
| ·本章小结 | 第86-88页 |
| 第六章 总结与展望 | 第88-90页 |
| ·论文主要工作和创新性 | 第88-89页 |
| ·今后研究工作展望 | 第89-90页 |
| 参考文献 | 第90-98页 |
| 发表论文和科研情况说明 | 第98-99页 |
| 致谢 | 第99页 |
