| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 分类问题和相关进化算法研究现状 | 第10-14页 |
| 1.2.1 分类问题研究现状 | 第10-11页 |
| 1.2.2 烟花算法研究现状 | 第11页 |
| 1.2.3 差分进化算法研究现状 | 第11-13页 |
| 1.2.4 快速非支配排序遗传算法研究现状 | 第13页 |
| 1.2.5 粒子群优化算法研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 优化分类模型研究 | 第16-22页 |
| 2.1 基于最小二乘法的优化分类模型 | 第16-18页 |
| 2.2 基于分类精度的优化分类模型 | 第18-21页 |
| 2.3 基于维度扩展的优化分类模型 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于烟花算法的优化分类研究 | 第22-30页 |
| 3.1 基本的烟花算法 | 第22-25页 |
| 3.2 基于烟花算法的分类实验及分析 | 第25-29页 |
| 3.2.1 测试数据集及实验参数设置 | 第25-26页 |
| 3.2.2 实验结果分析 | 第26-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 基于自适应烟花算法的优化分类研究 | 第30-47页 |
| 4.1 自适应烟花算法及其优化分类研究 | 第30-39页 |
| 4.1.1 策略自适应学习机制 | 第30-32页 |
| 4.1.2 候选解产生策略 | 第32-33页 |
| 4.1.3 测试数据集及实验参数设置 | 第33-35页 |
| 4.1.4 实验对比及分析 | 第35-39页 |
| 4.2 改进的自适应烟花算法及其优化分类研究 | 第39-46页 |
| 4.2.1 策略和参数自适应学习机制 | 第39-42页 |
| 4.2.2 测试数据集及实验参数设置 | 第42-43页 |
| 4.2.3 ISaFWA在基于最小二乘法的优化分类模型上的实验及分析 | 第43-44页 |
| 4.2.4 ISaFWA在基于分类精度的优化分类模型上的实验及分析 | 第44-45页 |
| 4.2.5 ISaFWA在基于维度扩展的优化分类模型上的实验及分析 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 基于快速非支配排序遗传算法的优化分类问题研究 | 第47-54页 |
| 5.1 多目标优化问题描述 | 第47页 |
| 5.2 快速非支配排序遗传算法 | 第47-50页 |
| 5.2.1 快速非支配排序方法 | 第49页 |
| 5.2.2 拥挤度距离与拥挤选择算子 | 第49页 |
| 5.2.3 精英选择策略 | 第49-50页 |
| 5.2.4 多目标分类目标函数的建立 | 第50页 |
| 5.3 实验及结果分析 | 第50-53页 |
| 5.3.1 分类性能评价指标 | 第50页 |
| 5.3.2 测试数据集及实验参数设置 | 第50-51页 |
| 5.3.3 实验结果分析 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者简介 | 第62页 |
