首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

采用量子进化算法学习的贝叶斯网络及其应用研究

摘要第1-6页
Abstract第6-10页
插图索引第10-11页
附表索引第11-12页
第1章 绪论第12-18页
   ·研究背景和意义第12-13页
   ·国内外研究现状第13-17页
     ·量子进化算法的发展历史第13-14页
     ·贝叶斯网络的研究现状第14-16页
     ·故障诊断技术的研究现状与发展第16-17页
   ·本文的主要内容和论文结构第17-18页
第2章 量子进化算法与贝叶斯网络的基本理论第18-28页
   ·量子计算的基础第18-20页
     ·量子计算第18页
     ·量子比特第18-19页
     ·量子门第19-20页
   ·基本的量子进化算法第20-23页
     ·算法的原理第20-21页
     ·算法的结构和实现过程第21-22页
     ·算法仿真结果第22-23页
   ·贝叶斯网络第23-25页
     ·贝叶斯概率基础第23-24页
     ·贝叶斯网络的研究内容第24-25页
     ·贝叶斯网络的建造第25页
   ·应用贝叶斯网络的智能故障诊断第25-27页
     ·智能故障诊断技术的比较第25-26页
     ·贝叶斯网络的智能诊断技术优势第26-27页
   ·本章小结第27-28页
第3章 一种改进的量子进化算法第28-44页
   ·智能算法简介第28-30页
     ·进化算法第28-29页
     ·遗传算法第29页
     ·模拟退火算法第29-30页
     ·混合实数编码量子进化算法的提出第30页
   ·算法的设计和收敛性的验证第30-36页
     ·基本的实数编码量子进化算法第30-34页
     ·改进的实数编码量子进化算法第34-35页
     ·算法的收敛性证明第35-36页
   ·算法在函数优化中的应用第36-43页
     ·多峰函数介绍第37-40页
     ·实验结果第40-43页
   ·本章小结第43-44页
第4章 改进量子进化算法的贝叶斯网络学习第44-55页
   ·贝叶斯网络第44-48页
     ·贝叶斯网络参数学习第45-46页
     ·贝叶斯网络结构学习第46-48页
   ·改进算法的贝叶斯网络结构学习实现步骤第48-52页
     ·算法描述第48-51页
     ·算法的实现步骤第51-52页
   ·实验结果与分析第52-54页
   ·本章小结第54-55页
第5章 改进算法的贝叶斯网络在故障诊断上的应用第55-61页
   ·智能电表故障特点第55页
   ·基于智能电表的贝叶斯网络模型建立第55-58页
     ·故障诊断系统建立第55-56页
     ·智能电表故障诊断模型第56-58页
   ·诊断推理过程第58页
   ·仿真结果第58-60页
   ·本章小结第60-61页
结论与展望第61-63页
参考文献第63-67页
致谢第67-68页
附录A (攻读学位期间发表的学术论文)第68-69页
附录B (攻读学位期间参加的科研项目)第69-70页
附录C (部分原代码)第70-74页

论文共74页,点击 下载论文
上一篇:一种基于嵌入式Internet的远程医疗监护系统的设计与实现
下一篇:基于SERS方法检测的DNA酶生物传感器的研究