首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

多目标微粒群算法研究及其在交通事故分析中的应用

摘要第1-10页
ABSTRACT第10-16页
目录第16-19页
符号说明第19-20页
第一章 绪论第20-38页
   ·研究背景及意义第20-21页
   ·多目标优化问题的基本概念第21-23页
   ·多目标进化算法研究现状第23-25页
   ·群智能算法第25-26页
   ·多目标微粒群算法研究现状第26-30页
   ·事故严重程度分析研究现状第30-35页
     ·事故严重程度分析问题第30页
     ·事故严重程度分析的研究现状第30-33页
     ·多目标进化算法用于数据挖掘第33-35页
   ·本文的工作内容第35-36页
     ·多目标微粒群算法的研究内容第35-36页
     ·交通事故分析的研究内容第36页
   ·本文章节安排第36-38页
第二章 多目标微粒群算法第38-50页
   ·微粒群算法的介绍第38-42页
     ·基本微粒群算法第38-40页
     ·常见的改进第40页
     ·微粒群算法的拓扑结构第40-42页
   ·微粒群算法用于多目标优化问题第42-48页
     ·非支配解的保存及归档集第43-44页
     ·全局最优引导的选取第44-47页
     ·种群多样性的保持第47-48页
     ·多目标微粒群算法的一般步骤第48页
   ·本章小结第48-50页
第三章 一种基于K-means聚类全局引导策略的多目标微粒群算法第50-71页
   ·引言第50页
   ·KMOPSO的流程第50-51页
   ·基于K-means算法和比例分布的全局引导选取策略第51-53页
   ·归档集和剪枝策略第53-54页
   ·对称变异算子第54-55页
   ·重新定义个体最优引导第55-56页
   ·实验及分析第56-70页
     ·衡量指标第56-57页
     ·测试函数第57-58页
     ·对比算法第58-59页
     ·实验设置第59页
     ·结果及讨论第59-68页
     ·运算时间分析第68-70页
   ·本章小结第70-71页
第四章 基于两阶段惯性权重的多目标微粒群算法第71-84页
   ·引言第71页
   ·惯性权重的相关研究第71-73页
   ·两阶段惯性权重变量第73-75页
   ·实验及分析第75-83页
     ·实验参数设置第75-76页
     ·实验结果第76-81页
     ·粒子迭代状态分析第81-83页
   ·本章小结第83-84页
第五章 基于偏序分类的交通事故分析模型第84-99页
   ·引言第84-85页
   ·交通事故数据介绍第85-86页
   ·用于交通事故分析的偏序分类模型第86-90页
     ·基本概念第87-88页
     ·偏序分类用于事故分析第88-89页
     ·规则的评价方式第89-90页
   ·基于KMOPSO的交通事故严重程度分析模型第90-92页
     ·粒子编码及解码第90-91页
     ·算法流程第91-92页
   ·实验及分析第92-98页
     ·实验设置第92-93页
     ·对比实验及分析第93-95页
     ·KMOPSO挖掘的规则分析第95-98页
   ·本章小结第98-99页
第六章 基于多目标微粒群算法和ROC图的交通事故分析模型第99-111页
   ·引言第99-100页
   ·ROC曲线简介第100-102页
     ·基本概念第100-101页
     ·ROC空间第101-102页
     ·AUC值第102页
   ·基于多目标微粒群算法和ROC曲线的事故分析模型第102-104页
     ·规则的评价方式第102-103页
     ·基于KMOPSO的规则生成方法第103-104页
     ·基于规则建立分类器第104页
   ·实验及分析第104-109页
     ·实验设置第105页
     ·与其它多目标微粒群算法比较第105-109页
     ·与其它的规则学习方法比较第109页
   ·本章小结第109-111页
第七章 总结与展望第111-114页
   ·论文总结第111-112页
   ·未来工作展望第112-114页
参考文献第114-123页
致谢第123-124页
攻读博士学位期间发表的学术论文目录第124页

论文共124页,点击 下载论文
上一篇:P2P文件共享系统效率和公平性研究
下一篇:纳税遵从行为中的从众效应