基于人工免疫系统的智能融合算法研究及应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11页 |
| ·人工免疫系统概述 | 第11-13页 |
| ·人工免疫系统理论发展及应用 | 第12-13页 |
| ·人工免疫系统与其他智能算法的比较 | 第13页 |
| ·本文主要工作 | 第13-16页 |
| ·本文创新点 | 第14页 |
| ·本文结构框架 | 第14-16页 |
| 第二章 多目标融合理论 | 第16-20页 |
| ·多目标融合的定义 | 第16页 |
| ·多目标融合模型 | 第16-20页 |
| ·数学模型 | 第16-18页 |
| ·融合方法基础 | 第18-20页 |
| 第三章 人工免疫系统与免疫克隆选择算法 | 第20-34页 |
| ·人工免疫系统的生物学基础 | 第20-21页 |
| ·生物免疫系统概念及组成 | 第20页 |
| ·免疫分类 | 第20-21页 |
| ·人工免疫系统算法研究 | 第21-22页 |
| ·人工免疫系统的基本概念 | 第21页 |
| ·人工免疫算法的基本架构 | 第21-22页 |
| ·人工免疫算法的研究现状 | 第22页 |
| ·免疫克隆计算的统一描述 | 第22-23页 |
| ·克隆选择算子 | 第23-26页 |
| ·免疫克隆选择算法设计及收敛性 | 第26-29页 |
| ·算法设计 | 第26-27页 |
| ·算法的收敛性 | 第27-29页 |
| ·免疫克隆选择算法与进化算法 | 第29-34页 |
| ·理论分析对比 | 第29-30页 |
| ·仿真实验对比 | 第30-34页 |
| 第四章 基于人工免疫系统的RBF网络设计 | 第34-45页 |
| ·神经网络和RBF网络概述 | 第34页 |
| ·RBF网络模型及结构 | 第34-36页 |
| ·RBF网络常用的学习策略 | 第36-38页 |
| ·基于人工免疫系统的RBF网络设计 | 第38-41页 |
| ·RBF网络学习策略结构设计 | 第38-39页 |
| ·基于人工免疫的RBF网络实现 | 第39-41页 |
| ·仿真实验 | 第41-44页 |
| ·总结 | 第44-45页 |
| 第五章 基于人工免疫的机车二系载荷融合调整方法 | 第45-55页 |
| ·机车二系调簧的研究意义 | 第45页 |
| ·机车二系载荷调整方法概述 | 第45-48页 |
| ·现有二系调簧算法简介 | 第45-47页 |
| ·调簧数学模型 | 第47-48页 |
| ·基于IDCMA的机车二系调簧算法设计 | 第48-52页 |
| ·算法模型 | 第48-49页 |
| ·免疫优势分析 | 第49页 |
| ·IDCMA算法实现 | 第49-52页 |
| ·IDCMA算法应用结果及性能评价 | 第52-54页 |
| ·应用结果 | 第52-53页 |
| ·调簧性能比较 | 第53-54页 |
| ·总结 | 第54-55页 |
| 第六章 基于免疫RBF网络的轨道衡误差补偿 | 第55-64页 |
| ·轨道衡称重原理 | 第55-56页 |
| ·轨道衡称重误差分析 | 第56-59页 |
| ·传感器非线性度引起的称重误差 | 第56页 |
| ·偏载荷引起的称重误差 | 第56-59页 |
| ·多传感器信息融合的轨道衡误差补偿原理 | 第59页 |
| ·轨道衡误差补偿的RBF网络设计 | 第59-60页 |
| ·轨道衡误差补偿实现 | 第60-63页 |
| ·轨道衡误差补偿的免疫RBF网络实现 | 第60-62页 |
| ·轨道衡误差补偿方法对比 | 第62-63页 |
| ·总结 | 第63-64页 |
| 第七章 总结和展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 附录 轨道衡称重仿真实验数据 | 第71-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间主要研究成果 | 第74页 |
