| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-21页 |
| ·论文研究背景简介 | 第11-12页 |
| ·统计学习理论 | 第12-15页 |
| ·函数集的VC维 | 第12-13页 |
| ·结构风险最小化 | 第13-15页 |
| ·支持向量机 | 第15-18页 |
| ·理论简介 | 第15-16页 |
| ·几种支持向量机的算法 | 第16-17页 |
| ·支持向量机的研究历史与现状 | 第17-18页 |
| ·进化计算简介 | 第18-20页 |
| ·遗传算法(GA) | 第19页 |
| ·进化策略(ES) | 第19页 |
| ·进化规划(EP) | 第19页 |
| ·粒子群算法(PSO) | 第19页 |
| ·量子进化算法(QEA) | 第19-20页 |
| ·本文的研究内容 | 第20-21页 |
| 第2章 量子进化及量子粒子群算法 | 第21-33页 |
| ·量子计算基础 | 第21-24页 |
| ·量子比特与叠加态 | 第21-23页 |
| ·量子逻辑门 | 第23-24页 |
| ·量子进化算法 | 第24-28页 |
| ·算法描述 | 第24-25页 |
| ·量子变异 | 第25-26页 |
| ·全局移民和局部移民 | 第26页 |
| ·仿真实验 | 第26-28页 |
| ·量子进化算法特点 | 第28页 |
| ·基本量子粒子群算法 | 第28-32页 |
| ·粒子群算法 | 第29页 |
| ·基本量子粒子群算法 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于量子粒子群的混合核函数支持向量机 | 第33-49页 |
| ·基本核函数及其不足 | 第33-37页 |
| ·核函数 | 第33-34页 |
| ·基于基本核函数的SVM仿真实验 | 第34-37页 |
| ·基于混合核函数的支持向量机 | 第37-40页 |
| ·混合核函数 | 第37-39页 |
| ·基于CSVM仿真实验 | 第39-40页 |
| ·一种基于量子粒子群的支持向量机算法 | 第40-41页 |
| ·仿真实验——红酒酒类分类 | 第41-46页 |
| ·本章小结 | 第46-49页 |
| 第4章 基于改进的量子粒子群的混合核函数支持向量机算法 | 第49-67页 |
| ·基于改进的量子粒子群的支持向量机算法 | 第49-59页 |
| ·算法收敛 | 第49-50页 |
| ·克服早熟收敛 | 第50-54页 |
| ·两种改进量子粒子群算法的仿真实验 | 第54-56页 |
| ·基于改进的QPSO的支持向量机算法仿真实验 | 第56-59页 |
| ·仿真实验——混凝土抗压能力预测 | 第59-66页 |
| ·数据来源及数据处理 | 第60-61页 |
| ·仿真实验与结果分析 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| ·全文工作总结 | 第67-68页 |
| ·进一步工作展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 作者在攻读硕士学位期间的科研成果 | 第75页 |