| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 优化问题求解概述 | 第10-11页 |
| 1.3 群智能优化算法介绍 | 第11-12页 |
| 1.4 论文内容与组织架构 | 第12-15页 |
| 第二章 群智能优化算法 | 第15-27页 |
| 2.1 粒子群优化算法 | 第15-20页 |
| 2.1.1 原始粒子群算法 | 第15-18页 |
| 2.1.2 标准粒子群算法 | 第18-19页 |
| 2.1.3 局部拓扑粒子群算法 | 第19-20页 |
| 2.2 粒子群优化算法的特点 | 第20页 |
| 2.3 粒子群优化算法应用场景 | 第20-21页 |
| 2.4 其他群智能优化算法 | 第21-25页 |
| 2.4.1 遗传算法 | 第21-23页 |
| 2.4.2 免疫算法 | 第23-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于动态分组的多簇粒子群算法 | 第27-41页 |
| 3.1 引言 | 第27-28页 |
| 3.2 算法介绍 | 第28-29页 |
| 3.3 算法流程 | 第29-31页 |
| 3.4 参数取值 | 第31-36页 |
| 3.4.1 函数求解测试 | 第31-33页 |
| 3.4.2 种群多样性 | 第33-36页 |
| 3.5 仿真测试 | 第36-39页 |
| 3.5.1 仿真设置 | 第36页 |
| 3.5.2 适应度函数值 | 第36-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于混合粒子群算法参数优化的慢性病检测模型 | 第41-59页 |
| 4.1 基于网格搜索的混合粒子群算法 | 第41-42页 |
| 4.1.1 网格搜索算法 | 第41页 |
| 4.1.2 混合粒子群算法 | 第41-42页 |
| 4.2 支持向量机理论 | 第42-47页 |
| 4.2.1 最大间隔分类器 | 第43-44页 |
| 4.2.2 软间隔分类器 | 第44-45页 |
| 4.2.3 非线性支持向量机以及核函数 | 第45-46页 |
| 4.2.4 支持向量机参数选择 | 第46-47页 |
| 4.3 乳腺癌检测模型 | 第47-54页 |
| 4.3.1 研究背景 | 第47页 |
| 4.3.2 数据集介绍 | 第47-48页 |
| 4.3.3 数据预处理 | 第48-49页 |
| 4.3.4 特征选择 | 第49-52页 |
| 4.3.5 模型测试 | 第52-54页 |
| 4.4 肝病检测模型 | 第54-57页 |
| 4.4.1 研究背景 | 第54-55页 |
| 4.4.2 数据集介绍 | 第55页 |
| 4.4.3 数据预处理 | 第55-56页 |
| 4.4.4 特征选择 | 第56页 |
| 4.4.5 模型测试 | 第56-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 作者攻读学位期间发表的学术论文 | 第69页 |