| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 课题背景及研究的目的和意义 | 第14-16页 |
| 1.2 群智能计算基础 | 第16-24页 |
| 1.2.1 引言 | 第16页 |
| 1.2.2 最优化问题 | 第16-17页 |
| 1.2.3 计算复杂性与NP理论 | 第17-19页 |
| 1.2.4 群智能计算优化算法 | 第19-24页 |
| 1.3 国内外的发展现状及趋势 | 第24-28页 |
| 1.3.1 蚁群算法的发展概况 | 第24-26页 |
| 1.3.2 粒子群算法(PSO)的发展概况 | 第26-28页 |
| 1.4 简洁式群智能计算优化算法 | 第28-29页 |
| 1.5 本文的主要研究内容 | 第29-32页 |
| 第2章量化蚁群算法及其在旅行商问题中的应用 | 第32-47页 |
| 2.1 引言 | 第32-34页 |
| 2.2 蚂蚁系统(ANT COLONY SYSTEM) | 第34-36页 |
| 2.2.1 状态转移规则与路径构建 | 第34-35页 |
| 2.2.2 信息素更新规则 | 第35-36页 |
| 2.3 量化蚁群算法 (QUALIFICATION-BASED ANT COLONY SYSTEM，QACS) | 第36-38页 |
| 2.3.1 信息素的编码 | 第36-37页 |
| 2.3.2 信息素的更新规则 | 第37-38页 |
| 2.3.3 算法流程 | 第38页 |
| 2.4 实验结果与分析 | 第38-46页 |
| 2.4.1 基于收敛结果与迭代次数的比较 | 第40-42页 |
| 2.4.2 基于收敛结果与运行时间的实验结果比较 | 第42-43页 |
| 2.4.3 基于相同收敛结果与不同迭代次数比较 | 第43-44页 |
| 2.4.4 基于相同迭代次数与不同收敛结果的比较 | 第44-46页 |
| 2.5 本章小结 | 第46-47页 |
| 第3章 简洁式猫群算法及其在灰度图像切割中的应用 | 第47-74页 |
| 3.1 引言 | 第47-49页 |
| 3.2 猫群算法与虚拟种群的取样机制 | 第49-55页 |
| 3.2.1 猫群算法 | 第49-52页 |
| 3.2.2 虚拟种群的取样机制 | 第52-53页 |
| 3.2.3 扰动向量更新规则 | 第53-55页 |
| 3.3 简洁式猫群算法 | 第55-59页 |
| 3.3.1 初始化与扰动向量更新 | 第55-56页 |
| 3.3.2 搜寻模式更新规则 | 第56-57页 |
| 3.3.3 跟踪模式更新规则 | 第57-58页 |
| 3.3.4 算法实现过程 | 第58-59页 |
| 3.4 实验结果及其分析 | 第59-65页 |
| 3.4.1 算法运行空间比较 | 第60-61页 |
| 3.4.2 节省运行空间算法收敛结果比较 | 第61-62页 |
| 3.4.3 简洁式猫群算法与基于种群的优化算法收敛结果比较 | 第62-64页 |
| 3.4.4 基于迭代次数的收敛结果比较 | 第64-65页 |
| 3.4.5 实验结果分析 | 第65页 |
| 3.5 案例分析 | 第65-73页 |
| 3.5.1 多阈值法与适应度函数设计 | 第66-68页 |
| 3.5.2 图像切割效果 | 第68-71页 |
| 3.5.3 应用案例小结 | 第71-73页 |
| 3.6 本章小结 | 第73-74页 |
| 第4章 基于GAMMA分布的简洁式猫群算法及其水印应用 | 第74-104页 |
| 4.1 引言 | 第74-75页 |
| 4.2 基于GAMMA分布的扰动向量设计 | 第75-78页 |
| 4.2.1 扰动向量设计 | 第75-77页 |
| 4.2.2 扰动向量的更新规则 | 第77-78页 |
| 4.2.3 虚拟种群的取样机制 | 第78页 |
| 4.3 基于GAMMA分布的简洁式猫群算法 | 第78-82页 |
| 4.3.1 算法的初始化 | 第78-79页 |
| 4.3.2 搜寻模式的更新规则 | 第79-81页 |
| 4.3.3 跟踪模式的更新规则 | 第81页 |
| 4.3.4 算法流程 | 第81-82页 |
| 4.4 实验结果与分析 | 第82-93页 |
| 4.4.1 算法运行空间比较 | 第83-84页 |
| 4.4.2 节省运行空间的算法实验结果比较 | 第84-88页 |
| 4.4.3 基于种群的相关算法和GDCCSO之间的实验结果比较 | 第88-90页 |
| 4.4.4 基于相同收敛结果下迭代次数的比较 | 第90-91页 |
| 4.4.5 基于标准测试函数的不同维度下的实验结果统计分析 | 第91-92页 |
| 4.4.6 实验结果小结 | 第92-93页 |
| 4.5 应用案例：音频水印嵌入 | 第93-102页 |
| 4.5.1 基于优化的水印嵌入与提取策略 | 第94-97页 |
| 4.5.2 实验结果与分析 | 第97-102页 |
| 4.5.3 案例分析小结 | 第102页 |
| 4.6 本章小结 | 第102-104页 |
| 第5章 基于简洁式猫群算法与支持向量机的人脸表情识别与优化 | 第104-117页 |
| 5.1 引言 | 第104-105页 |
| 5.2 基于活动基模型的分类器训练基础 | 第105-112页 |
| 5.2.1 方块图中的眼睛与嘴唇的捕捉 | 第105页 |
| 5.2.2 模型表示：活动基模型 | 第105-107页 |
| 5.2.3 模型训练：Shared Sketch算法 | 第107页 |
| 5.2.4 基模板构建 | 第107-108页 |
| 5.2.5 特征向量 | 第108-110页 |
| 5.2.6 支持向量机(Support Vector Machine) | 第110-111页 |
| 5.2.7 简洁式猫群算法 | 第111-112页 |
| 5.3 CCSO-SVM策略 | 第112-114页 |
| 5.4 实验结果与分析 | 第114-116页 |
| 5.5 本章小结 | 第116-117页 |
| 结论 | 第117-119页 |
| 参考文献 | 第119-132页 |
| 攻读博士学位期间发表的论文及其它成果 | 第132-135页 |
| 致谢 | 第135-136页 |
| APPENDIX | 第136-142页 |
| 个人简历 | 第142页 |
