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

基于B细胞算法的排序学习方法研究

摘要第1-5页
ABSTRACT第5-10页
第一章 绪论第10-22页
   ·课题的研究背景和意义第10-12页
     ·课题的研究背景第10-11页
     ·课题的研究意义第11-12页
   ·研究现状第12-18页
   ·论文研究内容和组织结构第18-22页
     ·论文研究内容第18-20页
     ·论文组织结构第20-22页
第二章 相关研究理论基础第22-32页
   ·信息检索模型第22-29页
     ·排序模型概述第22-24页
     ·传统排序模型第24-27页
     ·排序学习一般框架第27-29页
   ·测评方法第29-30页
   ·B细胞算法第30-31页
   ·本章小结第31-32页
第三章 基于B细胞算法的排序学习算法第32-42页
   ·概述第32页
   ·Rank BCA相关定义第32-37页
     ·抗体、抗原和亲和力第32-36页
     ·抗体先序编码第36-37页
   ·Rank BCA算法第37-38页
   ·Rank BCA算法实现第38-41页
     ·初始化第38-39页
     ·克隆第39页
     ·变异规则与变异算子第39-40页
     ·选择最优抗体第40-41页
   ·本章小结第41-42页
第四章 基于并行B细胞算法的排序学习算法第42-54页
   ·概述第42页
   ·并行B细胞算法第42-50页
     ·并行B细胞算法设计第42-45页
     ·B细胞算法并行框架第45-47页
     ·并行B细胞算法描述第47-50页
   ·排序学习算法PRank BCA设计第50-51页
   ·PRank BCA算法描述第51-52页
   ·PRank BCA算法实现第52-53页
   ·本章小结第53-54页
第五章 相关实验第54-72页
   ·数据集第54-56页
   ·实验环境与数据处理第56-57页
   ·实验设计第57-61页
     ·总体设计第57-59页
     ·详细设计第59-61页
   ·实验参数设置第61页
   ·评价指标与评价过程第61-64页
     ·评价指标第61-63页
     ·评价过程第63-64页
   ·实验结果第64-70页
     ·精度对比第64-69页
     ·加速比第69-70页
   ·本章小结第70-72页
第六章 总结与展望第72-74页
参考文献第74-78页
致谢第78-80页
攻读硕士学位期间发表的学术论文目录第80页

论文共80页,点击 下载论文
上一篇:STMS型光纤液体折射率传感器的研究
下一篇:基于反射光模型的红外甲烷传感器系统研制