| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1.绪论 | 第9-14页 |
| 1.1 课题研究的背景和意义 | 第9页 |
| 1.2 人工蜂群算法的研究现状 | 第9-10页 |
| 1.3 分类算法研究现状 | 第10-12页 |
| 1.4 课题研究的主要内容 | 第12-14页 |
| 2.基本算法概述 | 第14-23页 |
| 2.1 引言 | 第14页 |
| 2.2 支持向量机 | 第14-19页 |
| 2.2.1 线性可分SVM | 第14-17页 |
| 2.2.2 线性不可分SVM | 第17-18页 |
| 2.2.3 多分类SVM | 第18页 |
| 2.2.4 核函数 | 第18-19页 |
| 2.3 基本ABC算法原理 | 第19-21页 |
| 2.3.1 蜜蜂的采蜜机制 | 第19页 |
| 2.3.2 人工蜂群算法的具体步骤 | 第19-21页 |
| 2.4 小结 | 第21-23页 |
| 3.基于ABC算法的SVM参数优化 | 第23-30页 |
| 3.1 基于标准ABC算法的SVM参数同步优化 | 第23-25页 |
| 3.1.1 标准ABC算法参数设计 | 第23-24页 |
| 3.1.2 适应度函数的设计 | 第24页 |
| 3.1.3 ABC-SVM算法 | 第24-25页 |
| 3.2 实验研究 | 第25-28页 |
| 3.2.1 实验数据 | 第25-26页 |
| 3.2.2 参数设定 | 第26页 |
| 3.2.3 实验结果 | 第26-28页 |
| 3.3 与其他方法进行对比 | 第28-29页 |
| 3.4 小结 | 第29-30页 |
| 4.蜂群算法的多维搜索改进 | 第30-49页 |
| 4.1 算法分析与改进 | 第30-34页 |
| 4.1.1 算法的改进原理 | 第30-31页 |
| 4.1.2 改进后算法的基本流程 | 第31-34页 |
| 4.2 仿真测试 | 第34-41页 |
| 4.2.1 参数的改变对算法性能影响的测试 | 第35-36页 |
| 4.2.2 IABC与ABC的对比测试 | 第36-39页 |
| 4.2.3 IABC与MABC的对比测试 | 第39-41页 |
| 4.3 SVM参数优化测试 | 第41-42页 |
| 4.3.1 改进前后算法对比测试 | 第41-42页 |
| 4.3.2 与其他算法的对比测试 | 第42页 |
| 4.4 实例分析 | 第42-48页 |
| 4.4.1 实验方案设计 | 第42-43页 |
| 4.4.2 活动数据分类对比实验 | 第43-48页 |
| 4.5 小结 | 第48-49页 |
| 5.蜂群算法的并行化探究 | 第49-54页 |
| 5.1 引言 | 第49页 |
| 5.2 并行人工蜂群算法 | 第49-52页 |
| 5.2.1 算法并行性的分析 | 第49-50页 |
| 5.2.2 基于全维搜索策略的蜂群算法的并行性分析 | 第50页 |
| 5.2.3 并行计算的数据通信花销问题 | 第50页 |
| 5.2.4 Matlab中利用parfor并行for循环的基本原理 | 第50-51页 |
| 5.2.5 数据通信问题的并行仿真测试 | 第51-52页 |
| 5.3 基于并行蜂群算法的SVM参数优化 | 第52-53页 |
| 5.4 小结 | 第53-54页 |
| 6.总结与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录：硕士研究生阶段发表论文 | 第59-60页 |
| 致谢 | 第60页 |