| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究现状 | 第10-14页 |
| ·群体智能 | 第10-11页 |
| ·粒子群优化算法的研究现状 | 第11-12页 |
| ·模拟退火算法的研究现状 | 第12-13页 |
| ·图像分类的研究现状 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·本文的主要创新点和组织结构 | 第15-18页 |
| 第二章 微粒群优化算法理论 | 第18-28页 |
| ·引言 | 第18页 |
| ·基本微粒群优化算法理论 | 第18-22页 |
| ·基本 PSO 算法原理 | 第18-19页 |
| ·PSO 算法的数学描述 | 第19-20页 |
| ·PSO 算法的步骤和流程图 | 第20-21页 |
| ·全局模型 PSO 与局部模型 PSO | 第21-22页 |
| ·PSO 算法基本模型的改进策略 | 第22-23页 |
| ·引入惯性权重的 PSO 算法 | 第22-23页 |
| ·引入收缩因子的 PSO 算法 | 第23页 |
| ·PSO 算法的其他改进策略 | 第23-26页 |
| ·杂交 PSO 模型 | 第23-24页 |
| ·免疫 PSO 模型 | 第24页 |
| ·协同 PSO 模型 | 第24-25页 |
| ·自适应 PSO 模型 | 第25页 |
| ·离散 PSO 模型 | 第25-26页 |
| ·基于遗传算法的 PSO 模型 | 第26页 |
| ·基于模拟退火的 PSO 模型 | 第26页 |
| ·微粒群优化算法的应用 | 第26-28页 |
| 第三章 基于小世界的动态自适应微粒群优化技术 | 第28-38页 |
| ·动态自适应理论 | 第28页 |
| ·动态自适应微粒群优化算法 DAPSO | 第28-33页 |
| ·微粒群算法改进的理论基础 | 第28-30页 |
| ·引入收缩因子 | 第30页 |
| ·调整惯性权重 | 第30-32页 |
| ·DAPSO 算法流程 | 第32-33页 |
| ·算法效果小结 | 第33页 |
| ·基于小世界的动态自适应微粒群优化技术 | 第33-36页 |
| ·小世界技术与 PSO 模型 | 第33-34页 |
| ·小世界进化模型 | 第34-35页 |
| ·基于小世界的动态自适应微粒群优化算法DWPSO | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 结合模拟退火算法的微粒群优化算法 | 第38-54页 |
| ·模拟退火算法理论 | 第38-41页 |
| ·模拟退火算法的基本思想与特点 | 第38-39页 |
| ·模拟退火算法实现 | 第39页 |
| ·模拟退火算法冷却进度表参数分析 | 第39-41页 |
| ·结合模拟退火算法的微粒群优化算法 | 第41-47页 |
| ·对DAPSO 算法和DWPSO 算法的分析 | 第41页 |
| ·对模拟退火算法的分析 | 第41-42页 |
| ·模拟退火算法与微粒群算法的融合分析 | 第42-43页 |
| ·模拟退火微粒群混合算法 | 第43-47页 |
| ·算法的流程 | 第43-45页 |
| ·算法的收敛性分析 | 第45-47页 |
| ·测试函数的优化与结果讨论 | 第47-52页 |
| ·测试函数 | 第47页 |
| ·实验结果与讨论 | 第47-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 混合算法 SA-DWPSO 在图像分类检索中的应用 | 第54-66页 |
| ·基于内容的图像分类检索理论 | 第54-55页 |
| ·基于内容的图像检索技术 | 第55-56页 |
| ·图象检索中图像的颜色特征描述方法 | 第56-57页 |
| ·图象检索中的相似性度量方法 | 第57-58页 |
| ·图像的相似性度量方法 | 第57-58页 |
| ·图像相似性判断 | 第58页 |
| ·基于主色调的图像布局特质提取和相似性匹配算法 | 第58-62页 |
| ·基于主色调的图像布局特征提取 | 第59-61页 |
| ·构造综合主色调布局和颜色特征的相似性匹配多目标适应度函数 | 第61-62页 |
| ·图像数据管理 | 第62页 |
| ·SA-DWPSO 算法进行图像数据库的检索的分析 | 第62-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·本文总结 | 第66页 |
| ·进一步的研究方向 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 研究生期间发表的论文 | 第72-74页 |
| 致谢 | 第74页 |
