| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1. 引言 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·初始化粒子族群的确定 | 第9页 |
| ·粒子群关键参数的调整 | 第9-10页 |
| ·种群行为开发 | 第10-11页 |
| ·引入其他算法 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·本文内容 | 第12-14页 |
| 2. 粒子群算法神经网络概述 | 第14-21页 |
| ·粒子群算法模型 | 第14-17页 |
| ·粒子群算法的生物学基础 | 第14页 |
| ·粒子群优化算法的数学描述 | 第14-15页 |
| ·标准粒子群优化算法模型 | 第15-16页 |
| ·标准粒子群算法中的运算流程 | 第16-17页 |
| ·人工神经网络 | 第17-19页 |
| ·人工神经元模型 | 第18-19页 |
| ·神经网络类型及学习方式 | 第19页 |
| ·基于粒子群算法的神经网络 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3. 对粒子群算法的改进研究 | 第21-31页 |
| ·粒子群算法的局限性 | 第21页 |
| ·精英粒子群动态调整策略 | 第21-23页 |
| ·重构概念 | 第23-25页 |
| ·相交基学习算法的引入 | 第25-28页 |
| ·相交基初始化 | 第26-27页 |
| ·相交基重构 | 第27-28页 |
| ·基于相交基学习的重构型精英集粒子群算法(OREPSO) | 第28-29页 |
| ·OREPSO神经网络 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4. OREPSO性能测试及分析 | 第31-44页 |
| ·性能测试设置 | 第31-38页 |
| ·检测函数 | 第31-34页 |
| ·比对算法 | 第34-36页 |
| ·比对算法的学习版本 | 第36页 |
| ·性能参数设置 | 第36-37页 |
| ·MATLAB中的算法实现架构 | 第37-38页 |
| ·性能测试结果及分析 | 第38-41页 |
| ·性能测试结果 | 第38-40页 |
| ·测试结果分析 | 第40-41页 |
| ·稳定收敛区域分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 5. OREPSO在出入境货物风险评价系统中的应用 | 第44-55页 |
| ·出入境货物风险问题描述 | 第44-45页 |
| ·货物风险评价模型建立 | 第45-47页 |
| ·基于德尔菲法的风险指标体系 | 第45-46页 |
| ·指标的模糊归一化 | 第46页 |
| ·系统框架 | 第46-47页 |
| ·货物风险评价系统仿真 | 第47-54页 |
| ·神经网络的样本数据 | 第47-48页 |
| ·基于OREPSO神经网络的实现和设置 | 第48-49页 |
| ·基于OREPSO神经网络的出入境货物风险评价结果及分析 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 6. 总结与展望 | 第55-56页 |
| ·总结 | 第55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 个人简介 | 第59-60页 |
| 导师简介 | 第60-61页 |
| 获得成果目录 | 第61-62页 |
| 致谢 | 第62页 |
