基于改进的粒子群优化算法的特征选择方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 PSO国外研究现状 | 第11-12页 |
| 1.2.1 参数改进 | 第11页 |
| 1.2.2 收敛性能分析 | 第11-12页 |
| 1.2.3 算法混合研究 | 第12页 |
| 1.3 PSO国内研究现状 | 第12页 |
| 1.4 本文主要工作 | 第12-13页 |
| 1.5 本文组织架构 | 第13-15页 |
| 第二章 相关理论基础 | 第15-27页 |
| 2.1 特征选择原理 | 第15-20页 |
| 2.1.1 特征选择过程 | 第15-17页 |
| 2.1.2 特征选择算法的分类 | 第17-20页 |
| 2.2 粒子群优化算法 | 第20-25页 |
| 2.2.1 PSO算法描述 | 第20-23页 |
| 2.2.2 二进制粒子群优化算法 | 第23-25页 |
| 2.2.3 BPSO算法求解特征选择问题 | 第25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 基于iBQPSO算法的特征选择方法 | 第27-45页 |
| 3.1 SVM原理 | 第27-29页 |
| 3.2 量子粒子群优化算法 | 第29-30页 |
| 3.3 基于iBQPSO算法的特征选择方法 | 第30-35页 |
| 3.3.1 算法描述 | 第30-32页 |
| 3.3.2 适应度函数设计 | 第32-33页 |
| 3.3.3 iBQPSO算法的设计思路及伪代码 | 第33-35页 |
| 3.4 实验设计 | 第35页 |
| 3.4.1 数据集介绍 | 第35页 |
| 3.4.2 实验参数设置 | 第35页 |
| 3.5 实验结果分析 | 第35-44页 |
| 3.5.1 过滤阈值的确定 | 第35-37页 |
| 3.5.2 核函数选取 | 第37页 |
| 3.5.3 两组对比实验分析 | 第37-41页 |
| 3.5.4 所选特征描述 | 第41-43页 |
| 3.5.5 iBQPSO算法收敛性能分析 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于iABPSO算法的特征选择方法 | 第45-59页 |
| 4.1 pbest和gbest新的更新机制 | 第45-47页 |
| 4.2 粒子位置更新的改进 | 第47-48页 |
| 4.2.1 更新粒子位置 | 第47-48页 |
| 4.2.2 粒子速度的限制 | 第48页 |
| 4.3 利用自适应方式更新惯性权重 | 第48页 |
| 4.4 引入变异机制更新种群 | 第48-49页 |
| 4.5 适应度函数设计 | 第49-50页 |
| 4.6 iABPSO算法伪代码及设计思路 | 第50-51页 |
| 4.7 实验设计 | 第51页 |
| 4.8 实验结果分析 | 第51-57页 |
| 4.8.1 对比实验结果分析 | 第51-55页 |
| 4.8.2 所选特征描述 | 第55-56页 |
| 4.8.3 iABPSO算法收敛性分析 | 第56-57页 |
| 4.9 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |
