| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 本文工作 | 第13页 |
| 1.3 本文组织结构 | 第13-15页 |
| 第二章 相关工作 | 第15-26页 |
| 2.1 特征选择问题 | 第15-17页 |
| 2.1.1 问题描述 | 第15-16页 |
| 2.1.2 特征选择方法 | 第16-17页 |
| 2.2 粒子群优化算法 | 第17-23页 |
| 2.2.1 方法描述 | 第17-21页 |
| 2.2.2 二进制粒子群优化算法 | 第21-23页 |
| 2.3 粒子群优化算法在特征选择问题中的应用 | 第23-26页 |
| 2.3.1 有工作 | 第23-24页 |
| 2.3.2 可以改进的方向 | 第24-26页 |
| 第三章 基于平均适应度和适应度比例选择的粒子群优化算法 | 第26-42页 |
| 3.1 标准二进制粒子群优化算法的不足 | 第26-27页 |
| 3.2 基于平均适应度和比例选择的粒子群优化方法 | 第27-31页 |
| 3.2.1 基于平均适应度和适应度比例选择的更新策略 | 第27-29页 |
| 3.2.2 方法描述 | 第29-30页 |
| 3.2.3 和标准二进制粒子群优化算法的比较 | 第30-31页 |
| 3.3 实验设置以及结果分析 | 第31-41页 |
| 3.3.1 函数优化问题 | 第32-39页 |
| 3.3.2 多维背包问题 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于领域知识和粒子群优化的特征选择方法 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 领域知识与粒子群优化算法相结合的特征选择方法 | 第43-48页 |
| 4.2.1 领域知识和粒子群优化算法的结合 | 第44-45页 |
| 4.2.2 方法描述 | 第45-48页 |
| 4.3 实验设置及结果分析 | 第48-53页 |
| 4.3.1 数据集 | 第49-50页 |
| 4.3.2 实验结果及分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 一种快速的基于粒子群优化的特征选择方法 | 第54-63页 |
| 5.1 引言 | 第54-55页 |
| 5.2 快速的基于粒子群优化的特征选择方法 | 第55-57页 |
| 5.2.1 特征被选择的综合概率 | 第55-56页 |
| 5.2.2 随机的特征评价顺序 | 第56页 |
| 5.2.3 方法描述 | 第56-57页 |
| 5.3 实验设置以及结果分析 | 第57-62页 |
| 5.3.1 数据集 | 第58页 |
| 5.3.2 实验结果及分析 | 第58-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结和展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 简历与科研成果 | 第70-71页 |
| 致谢 | 第71-72页 |
