| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·遗传算法的生物学背景 | 第8-9页 |
| ·遗传算法的研究历史与现状 | 第9-10页 |
| ·研究历史 | 第9-10页 |
| ·研究现状 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 遗传算法和支持向量机的基础理论 | 第13-24页 |
| ·遗传算法 | 第13-18页 |
| ·算法的思想 | 第13页 |
| ·编码 | 第13-15页 |
| ·适应度 | 第15-16页 |
| ·交叉和变异 | 第16页 |
| ·遗传算法局限性 | 第16-17页 |
| ·遗传算法的常用语 | 第17页 |
| ·遗传算法的运行过程 | 第17-18页 |
| ·支持向量机 | 第18-23页 |
| ·支持向量机算法概述 | 第18-19页 |
| ·支持向量机分类 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于自适应迭代思想的遗传算子改进方法 | 第24-30页 |
| ·遗传算子 | 第24-26页 |
| ·选择算子 | 第24-25页 |
| ·交叉算子 | 第25-26页 |
| ·变异算子 | 第26页 |
| ·基于自适应迭代思想的交叉概率和变异概率设计方法 | 第26-28页 |
| ·实验 | 第28-29页 |
| ·改进的GA 的系统框架设计 | 第28页 |
| ·实验结果 | 第28-29页 |
| ·本章总结 | 第29-30页 |
| 第四章 随代数自适应调整的适应度函数的改进方法 | 第30-39页 |
| ·适应度函数 | 第30-35页 |
| ·适应度函数概念 | 第30页 |
| ·适应度函数作用 | 第30-31页 |
| ·适应度函数设计条件 | 第31页 |
| ·适应度函数的种类 | 第31-32页 |
| ·适应度尺度变换 | 第32-35页 |
| ·随进化代数自适应调整的适应度函数 | 第35-37页 |
| ·实验 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于改进GA 的取混合核函数的SVM 参数优化 | 第39-44页 |
| ·基于改进GA 的取混合核函数的SVM 的参数优化 | 第39-41页 |
| ·混合和函数 | 第39-40页 |
| ·SVM 取混合核函数时参数的二进制编码 | 第40-41页 |
| ·目标函数的选取 | 第41页 |
| ·实验 | 第41-43页 |
| ·改进的GA 的系统框架设计 | 第41-42页 |
| ·实验结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| ·总结 | 第44页 |
| ·展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间发表的论文 | 第50页 |