混合智能计算方法及其应用
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-24页 |
| ·研究历史与现状 | 第12-17页 |
| ·本论文的主要工作 | 第17-24页 |
| 第二章 量子马区动的进化算法 | 第24-46页 |
| ·引言 | 第24-25页 |
| ·进化算法 | 第25-28页 |
| ·量子计算 | 第28-30页 |
| ·两种搜索算法的区别 | 第30-33页 |
| ·量子驱动的进化算法 | 第33-38页 |
| ·算法性能分析 | 第38-43页 |
| ·本章小结 | 第43-46页 |
| 第三章 自适应免疫进化算法 | 第46-64页 |
| ·引言 | 第46-47页 |
| ·免疫概念 | 第47-49页 |
| ·自适应免疫算子 | 第49-51页 |
| ·在图像分割上的应用 | 第51-59页 |
| ·本章小结 | 第59-64页 |
| 第四章 免疫量子进化算法 | 第64-81页 |
| ·引言 | 第64-65页 |
| ·免疫量子进化算法 | 第65-67页 |
| ·算法性能仿真 | 第67-71页 |
| ·在图像边缘检测上的应用 | 第71-79页 |
| ·本章小结 | 第79-81页 |
| 第五章 基于小波变换和进化神经网络的目标识别 | 第81-99页 |
| ·引言 | 第81-82页 |
| ·基于小波变换的特征提取 | 第82-87页 |
| ·基于进化神经网络的分类器设计 | 第87-91页 |
| ·基于混合识别系统的雷达目标一维距离像识别 | 第91-96页 |
| ·本章小结 | 第96-99页 |
| 第六章 基于核的学习算法的目标识别 | 第99-121页 |
| ·引言 | 第99-100页 |
| ·学习理论的一些基本概念 | 第100-103页 |
| ·特征空间的非线性算法 | 第103-106页 |
| ·基于核的主分量分析的特征提取 | 第106-109页 |
| ·基于近似支撑矢量机的分类 | 第109-114页 |
| ·在雷达目标识别上的应用 | 第114-115页 |
| ·本章小结 | 第115-116页 |
| 附录A6 | 第116-121页 |
| 第七章 两种非线性系统的混合辨识方法 | 第121-143页 |
| ·引言 | 第121页 |
| ·基于聚类和模糊神经网络的系统辨识方法 | 第121-130页 |
| ·一种自适应模糊神经网络的系统辨识方法 | 第130-137页 |
| ·本章小结 | 第137页 |
| 附录A7 | 第137-143页 |
| 第八章 总结与展望 | 第143-146页 |
| 总结 | 第143-145页 |
| 展望 | 第145-146页 |
| 致谢 | 第146-147页 |
| 博士学习期间发表与撰写的主要学术论文 | 第147-149页 |
