| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-61页 |
| §1.1 引言 | 第14-15页 |
| §1.2 人工免疫系统 | 第15-27页 |
| ·从现代进化计算到人工免疫系统 | 第15-17页 |
| ·人工免疫系统的生物原型 | 第17-19页 |
| ·人工免疫系统理论与算法模型 | 第19-23页 |
| ·人工免疫系统的主要应用领域 | 第23-27页 |
| §1.3 多目标优化问题与研究必要性 | 第27-30页 |
| ·多目标优化问题的数学定义 | 第27-28页 |
| ·多目标优化问题的研究必要性 | 第28-30页 |
| §1.4 进化多目标优化算法的研究进展 | 第30-41页 |
| ·进化多目标优化算法的研究起源 | 第30-31页 |
| ·进化多目标优化的代表算法 | 第31-32页 |
| ·第一代进化多目标优化算法 | 第32-33页 |
| ·第二代进化多目标优化算法 | 第33-35页 |
| ·当代进化多目标优化算法 | 第35-41页 |
| ·求解多目标优化的新型进化范例研究 | 第35-38页 |
| ·新型支配机制研究 | 第38页 |
| ·高维多目标优化算法研究 | 第38-41页 |
| §1.5 多目标优化测试问题与度量指标研究 | 第41-44页 |
| ·多目标优化测试问题 | 第41-42页 |
| ·多目标优化算法度量指标 | 第42-44页 |
| §1.6 论文的主要工作 | 第44-46页 |
| 本章参考文献 | 第46-61页 |
| 第二章 基于偏好等级免疫记忆的克隆选择多目标优化算法 | 第61-82页 |
| §2.1 引言 | 第61页 |
| §2.2 偏好关系模型 | 第61-64页 |
| ·偏好多目标优化算法概述 | 第61-62页 |
| ·偏好关系模型 | 第62-64页 |
| §2.3 基于偏好等级免疫记忆的克隆选择多目标优化算法 | 第64-69页 |
| ·克隆选择中记忆种群的建立和更新 | 第64-66页 |
| ·抗体克隆操作 | 第66页 |
| ·抗体亲和度成熟操作 | 第66-67页 |
| ·抗体选择操作 | 第67-68页 |
| ·基于偏好等级免疫记忆的克隆选择多目标优化算法（PISA） | 第68-69页 |
| ·PISA的时间复杂度分析 | 第69页 |
| §2.4 实验仿真验证 | 第69-79页 |
| ·实验设置与度量标准 | 第69-70页 |
| ·测试低维目标优化问题的实验结果 | 第70-75页 |
| ·测试高维目标优化问题的实验结果 | 第75-78页 |
| ·重组算子对于PISA的影响 | 第78页 |
| ·运行时间对比分析 | 第78-79页 |
| §2.5 本章小结 | 第79页 |
| 本章参考文献 | 第79-82页 |
| 第三章 基于等度规映射的ε支配机制 | 第82-98页 |
| §3.1 引言 | 第82页 |
| §3.2 ε支配的定义与分析 | 第82-84页 |
| ·ε支配与Pareto支配的关系 | 第82-83页 |
| ·传统ε支配的缺点分析 | 第83-84页 |
| §3.3 基于等度规映射的ε支配 | 第84-88页 |
| ·等度规映射(Isomap) | 第85-86页 |
| ·改进ε支配机制的等度规映射方法 | 第86-88页 |
| ·基于等度规映射ε支配的时间复杂度分析 | 第88页 |
| §3.4 基于等度规映射ε支配的实验分析 | 第88-95页 |
| ·实验测试函数 | 第88-89页 |
| ·实验参数设置与评价指标选择 | 第89-90页 |
| ·九个不同Pareto前沿问题的实验测试结果与分析 | 第90-94页 |
| ·本征维数的估计 | 第94-95页 |
| §3.5 本章小结 | 第95页 |
| 本章参考文献 | 第95-98页 |
| 第四章 基于在线非支配抗体的自适应多目标优化算法 | 第98-124页 |
| §4.1 引言 | 第98-99页 |
| §4.2 非支配等级划分方法和拥挤距离计算 | 第99-102页 |
| ·非支配等级划分方法 | 第99-101页 |
| ·拥挤距离计算 | 第101-102页 |
| §4.3 基于在线非支配抗体的自适应多目标优化算法(AHMA) | 第102-110页 |
| ·进化计算中的自适应机制总结 | 第102-103页 |
| ·在线非支抗体数量调查 | 第103-105页 |
| ·AHMA的算法流程 | 第105-109页 |
| ·AHMA的时间复杂度分析 | 第109-110页 |
| §4.4 仿真对比实验研究 | 第110-120页 |
| ·测试函数选择与实验设置 | 第110-111页 |
| ·对十个低维目标优化问题的实验结果对比与分析 | 第111-114页 |
| ·引入参数KPO和KPT的敏感性分析 | 第114-116页 |
| ·AHMA中三个阶段平均被调用次数 | 第116-117页 |
| ·AHMA在求解高维目标优化问题的性能分析 | 第117-119页 |
| ·AHMA的运行时间分析 | 第119-120页 |
| §4.5 本章小结 | 第120-121页 |
| 本章参考文献 | 第121-124页 |
| 第五章 基于自适应等级克隆和动态m近邻表的克隆选择多目标优化算法 | 第124-152页 |
| §5.1 引言 | 第124-125页 |
| §5.2 传统免疫多目标优化算法的性能分析 | 第125-127页 |
| §5.3 基于自适应等级克隆和动态m近邻表的克隆选择多目标优化算法(NNIA2) | 第127-134页 |
| ·基于动态近邻表的抗体删除机制 | 第128-131页 |
| ·自适应等级克隆机制 | 第131-133页 |
| ·NNIA2的算法流程 | 第133-134页 |
| §5.4 NNIA2的实验对比与分析 | 第134-148页 |
| ·比较算法选择 | 第134-135页 |
| ·优化问题选择和实验参数设置 | 第135-138页 |
| ·NNIA2在求解低维目标测试函数的性能分析 | 第138-144页 |
| ·NNIA2在求解高维目标测试函数的性能分析 | 第144-146页 |
| ·NNIA2与NNIA的鲁棒性分析 | 第146-148页 |
| ·NNIA2运算时间分析 | 第148页 |
| §5.5 本章小结 | 第148-149页 |
| 本章参考文献 | 第149-152页 |
| 第六章 融合Gabor滤波和灰度共生互补特征的人工免疫多目标SAR图像分割算法 | 第152-173页 |
| §6.1 引言 | 第152-153页 |
| §6.2 多目标SAR图像分割模型的定义 | 第153-154页 |
| §6.3 融合Gabor滤波和灰度共生互补特征的人工免疫多目标SAR图像分割算法(IMIS) | 第154-160页 |
| ·SAR图像中Gabor滤波和灰度共生的互补融合特征 | 第155-157页 |
| ·SAR图像的预处理 | 第157-158页 |
| ·IMIS的算法流程 | 第158-160页 |
| §6.4 实验结果与分析 | 第160-170页 |
| ·实验设置与测试问题 | 第160-161页 |
| ·针对三幅纹理图像和ERS-2卫星图像的实验结果分析 | 第161-167页 |
| ·分水岭变化对于IMIS的影响 | 第167-168页 |
| ·融合特征和独立特征对IMIS的影响 | 第168页 |
| ·不同水平的噪声对IMIS的影响 | 第168-169页 |
| ·算法运行时间对比与分析 | 第169-170页 |
| §6.5 本章小结 | 第170页 |
| 本章参考文献 | 第170-173页 |
| 第七章 融合非局部均值去噪的高效免疫多目标SAR图像自动分割算法 | 第173-192页 |
| §7.1 引言 | 第173-174页 |
| §7.2 基于非局部均值的SAR图像去噪技术 | 第174-176页 |
| §7.3 融合非局部均值去噪的高效免疫多目标SAR图像自动分割算法(MASF) | 第176-181页 |
| ·基于动态拥挤距离的抗体删除策略 | 第176-177页 |
| ·自适应等级均匀克隆机制 | 第177页 |
| ·基因座近邻表示的抗体编码机制与分割目标函数选择 | 第177-179页 |
| ·MASF的分割算法流程 | 第179-181页 |
| §7.4 实验及结果分析 | 第181-189页 |
| ·五个对比算法分析与关键参数设置 | 第181-182页 |
| ·针对两幅合成SAR图像和TerraSAR卫星图像的实验结果分析 | 第182-186页 |
| ·进化代数对于MASF性能的影响 | 第186-187页 |
| ·非局部均值滤波与特征提取方案对最终分割结果的比较 | 第187-188页 |
| ·MASF运行时间对比分析 | 第188-189页 |
| §7.5 本章小结 | 第189页 |
| 本章参考文献 | 第189-192页 |
| 第八章 总结与展望 | 第192-196页 |
| 致谢 | 第196-198页 |
| 攻读博士学位期间撰写的学术论文 | 第198-200页 |
| 攻读博士学位期间参与的科研项目 | 第200页 |
| 攻读博士学位期间获奖情况 | 第200-201页 |
