| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景 | 第8-10页 |
| ·国内外研究动态 | 第10-11页 |
| ·本文的研究目的及意义 | 第11-12页 |
| ·本文的主要研究内容 | 第12页 |
| ·本文的结构安排 | 第12-13页 |
| 第2章 EM算法及混合高斯模型的EM算法 | 第13-27页 |
| ·EM算法概述 | 第13-14页 |
| ·EM算法的主要性质 | 第14-17页 |
| ·混合高斯模型的EM算法 | 第17-23页 |
| ·单高斯模型 | 第17-18页 |
| ·混合高斯分布模型 | 第18-23页 |
| ·EM算法在混合高斯分布模型参数估计中的应用 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 遗传算法和粒子群算法概述 | 第27-36页 |
| ·遗传算法简介 | 第27-31页 |
| ·遗传算法的各运行参数描述 | 第27-30页 |
| ·遗传算法主要特点概述 | 第30-31页 |
| ·粒子群算法简介 | 第31-33页 |
| ·基本粒子群算法描述 | 第31-33页 |
| ·基本粒子群算法步骤概述 | 第33页 |
| ·遗传算法和粒子群算法的比较 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于粒子群优化遗传算法的改进EM算法 | 第36-63页 |
| ·基于粒子群优化的遗传算法(PSOGA算法) | 第36-41页 |
| ·基于粒子群算法初始化遗传算法种群 | 第37-39页 |
| ·基于粒子群算法重构变异算子 | 第39-41页 |
| ·基于粒子群优化遗传算法的改进EM算法(PSOGA-EM算法) | 第41-47页 |
| ·混合模型最优阶数的估计方法 | 第43-46页 |
| ·估计混合高斯模型分支数的MML-PSOGA-EM算法 | 第46-47页 |
| ·基于改进EM算法的未知阶数的混合高斯模型参数估计 | 第47-62页 |
| ·算法的适应度函数与遗传操作 | 第48-51页 |
| ·试验分析：比较EM算法和PSOGA-EM算法 | 第51-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 总结与进一步工作 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·进一步工作 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士期间发表的论文 | 第69页 |
