粒子群算法在查询优化中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·信息检索的研究现状 | 第11-12页 |
| ·查询优化的研究现状 | 第12-14页 |
| ·本文的研究内容及论文组织结构 | 第14-16页 |
| ·本文研究内容 | 第14-15页 |
| ·本文的组织 | 第15-16页 |
| 第2章 群体智能算法 | 第16-27页 |
| ·常见的群体智能算法 | 第16-21页 |
| ·遗传算法 | 第16-19页 |
| ·蚁群算法 | 第19-20页 |
| ·人工鱼群算法 | 第20-21页 |
| ·粒子群算法 | 第21页 |
| ·粒子群中算法简介 | 第21-26页 |
| ·粒子群算法的基本原理 | 第22-23页 |
| ·粒子群算法的参数设置 | 第23-24页 |
| ·粒子群算法流程 | 第24-25页 |
| ·粒子群算法的应用 | 第25-26页 |
| ·粒子群算法在查询优化中的可行性分析 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于粒子群算法的查询优化 | 第27-36页 |
| ·相关背景 | 第27页 |
| ·遗传算法在查询优化中的研究现状 | 第27-28页 |
| ·粒子群算法与遗传算法的比较 | 第28-29页 |
| ·信息检索的基本模型 | 第29-32页 |
| ·布尔模型 | 第29-30页 |
| ·向量空间模型 | 第30-32页 |
| ·概率模型 | 第32页 |
| ·粒子群算法在查询优化中的设计 | 第32-35页 |
| ·初始种群及适应度函数的构造 | 第32-34页 |
| ·基于粒子群算法优化方法的框架 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于粒子群算法和相关反馈的查询优化 | 第36-45页 |
| ·相关反馈技术 | 第36-40页 |
| ·相关反馈技术基本原理 | 第36-37页 |
| ·向量空间模型中的相关反馈 | 第37-39页 |
| ·查询优化中的相关反馈 | 第39-40页 |
| ·基于粒子群算法的相关反馈优化方法 | 第40-44页 |
| ·查询修正向量的获取 | 第41-43页 |
| ·最优化查询向量的形成 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 实验及结果分析 | 第45-50页 |
| ·实验前期准备 | 第45-46页 |
| ·测试集 | 第45页 |
| ·评价指标 | 第45-46页 |
| ·文档和查询的预处理 | 第46页 |
| ·实验过程及结果 | 第46-49页 |
| ·参数设置 | 第46-47页 |
| ·实验过程 | 第47页 |
| ·结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士期间发表的论文 | 第56-57页 |
| 致谢 | 第57页 |
