| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究内容和目标 | 第9-10页 |
| 1.3 本文主要结构安排 | 第10-11页 |
| 第二章 相关背景知识 | 第11-25页 |
| 2.1 支持向量机算法 | 第11-15页 |
| 2.1.1 支持向量机原理 | 第11-13页 |
| 2.1.2 核函数 | 第13-14页 |
| 2.1.3 多分类的支持向量机算法 | 第14-15页 |
| 2.2 粒子群优化算法 | 第15-20页 |
| 2.2.1 粒子群算法基本原理 | 第15-17页 |
| 2.2.2 粒子群算法的研究现状 | 第17-19页 |
| 2.2.3 粒子群算法的局限性 | 第19-20页 |
| 2.2.4 粒子群算法的特点 | 第20页 |
| 2.3 图像分类算法 | 第20-24页 |
| 2.3.1 图像分类框架 | 第20-22页 |
| 2.3.2 特征提取 | 第22-23页 |
| 2.3.3 分类器算法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于快速交叉核函数的支持向量机 | 第25-32页 |
| 3.1 交叉核函数支持向量机 | 第25-26页 |
| 3.1.1 交叉核函数 | 第25-26页 |
| 3.2 快速交叉核算法 | 第26-28页 |
| 3.3 实验结果及仿真 | 第28-31页 |
| 3.3.1 实验方法 | 第28页 |
| 3.3.2 实验结果 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于正态分布的变异粒子群算法 | 第32-45页 |
| 4.1 改进的粒子变异算法 | 第32-34页 |
| 4.1.1 粒子变异算法 | 第32-33页 |
| 4.1.2 算法分析 | 第33-34页 |
| 4.2 基于正态分布的粒子群算法 | 第34-39页 |
| 4.2.1 量子粒子群算法原理 | 第34-36页 |
| 4.2.2 量子粒子群算法分析 | 第36-37页 |
| 4.2.3 基于正态分布的粒子群算法 | 第37-39页 |
| 4.3 实验结果与仿真 | 第39-44页 |
| 4.3.1 标准测试函数测试 | 第39-40页 |
| 4.3.2 优化支持向量机参数实验 | 第40-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 改进的优化算法在图像分类中的应用 | 第45-52页 |
| 5.1 图像分类算法 | 第45-46页 |
| 5.2 改进的粒子群-支持向量机在图像分类中的应用 | 第46-48页 |
| 5.2.1 不平衡数据中的图像分类 | 第46-48页 |
| 5.3 实验结果及仿真 | 第48-51页 |
| 5.3.1 实验步骤 | 第48-49页 |
| 5.3.2 实验结果 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 本文总结 | 第52页 |
| 6.2 未来展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录1 详细实验数据 | 第58-60页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 致谢 | 第61页 |