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 |