粒子群算法的改进及其在NERMS文本分类器上的应用
| 第一章 绪论 | 第1-10页 |
| ·研究背景和意义 | 第7-8页 |
| ·本文的工作 | 第8-10页 |
| 第二章 PSO 算法概述 | 第10-18页 |
| ·PSO 算法简介 | 第10-11页 |
| ·PSO 算法参数设置 | 第11-12页 |
| ·PSO 算法流程 | 第12-14页 |
| ·与其他进化算法的比较 | 第14-16页 |
| ·全局PSO 与局部PSO | 第16页 |
| ·PSO 算法应用 | 第16-18页 |
| 第三章 PSO 算法的改进 | 第18-29页 |
| ·PSO 算法的改进途径 | 第18-22页 |
| ·算法离散化 | 第18-19页 |
| ·提高收敛速度 | 第19-20页 |
| ·提高种群多样性 | 第20-22页 |
| ·PSO 的几种改进算法 | 第22-24页 |
| ·自适应PSO 算法 | 第22-23页 |
| ·杂交PSO 算法 | 第23-24页 |
| ·协同PSO 算法 | 第24页 |
| ·PSO 算法的二点改进方案 | 第24-26页 |
| ·增加公式参数 | 第25页 |
| ·粒子变异到其他区域 | 第25-26页 |
| ·仿真对比实验 | 第26-29页 |
| 第四章 基于PSO 算法的分类器设计 | 第29-41页 |
| ·分类技术概述 | 第29-30页 |
| ·文本分类的流程 | 第30-36页 |
| ·获取训练文档集合 | 第30页 |
| ·建立文档表示模型 | 第30-31页 |
| ·文档特征抽取 | 第31-33页 |
| ·选择分类模型 | 第33-36页 |
| ·性能评测模型 | 第36页 |
| ·PSO 分类规则编码设计 | 第36-38页 |
| ·PSO 分类规则挖掘算法 | 第38-40页 |
| ·PSO 分类器设计方案 | 第40-41页 |
| 第五章 改进PSO 在NERMS 中的应用 | 第41-51页 |
| ·NERMS 系统概述 | 第41-42页 |
| ·NERMS 中的主题类划分 | 第42页 |
| ·NERMS 中文本分类适应度函数设计 | 第42-44页 |
| ·用改进PSO 训练NERMS 的分类器 | 第44-47页 |
| ·使用NERMS 文本分类器实现自动分类 | 第47页 |
| ·实验对比 | 第47-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 中文摘要 | 第57-59页 |
| ABSTRACT | 第59-61页 |
| 致谢 | 第61-62页 |
| 导师与作者简介 | 第62-63页 |
