混合蛙跳算法及其应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 混合蛙跳算法的研究现状 | 第11-12页 |
| 1.3 聚类分析的研究现状 | 第12-14页 |
| 1.4 说话人识别的研究现状 | 第14-15页 |
| 1.5 本文主要研究内容 | 第15页 |
| 1.6 论文结构安排 | 第15-17页 |
| 第2章 混合蛙跳算法及其优化性能分析 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 混合蛙跳算法 | 第17-20页 |
| 2.2.1 混合蛙跳算法原理 | 第17-19页 |
| 2.2.2 混合蛙跳算法流程 | 第19-20页 |
| 2.3 SFLA与FEP及PSO算法的异同 | 第20-23页 |
| 2.3.1 快速进化规划算法 | 第21-22页 |
| 2.3.2 粒子群优化算法 | 第22页 |
| 2.3.3 三种算法的异同 | 第22-23页 |
| 2.4 SFLA与FEP及PSO算法的性能分析 | 第23-30页 |
| 2.4.1 优化函数介绍 | 第23-26页 |
| 2.4.2 算法性能衡量指标介绍 | 第26-27页 |
| 2.4.3 实验参数设置 | 第27页 |
| 2.4.4 实验结果及分析 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 带加速和老化机制的混合蛙跳算法 | 第31-42页 |
| 3.1 引言 | 第31-32页 |
| 3.2 混合蛙跳算法的局限性分析 | 第32-33页 |
| 3.3 带综合学习的混合蛙跳算法 | 第33-34页 |
| 3.4 带加速和老化机制的混合蛙跳算法 | 第34-38页 |
| 3.4.1 加速机制 | 第34-35页 |
| 3.4.2 老化机制 | 第35-37页 |
| 3.4.3 算法实现步骤 | 第37-38页 |
| 3.5 实验仿真及结果分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 改进的混合蛙跳算法在聚类分析中的应用研究 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 聚类分析概述 | 第43-44页 |
| 4.2.1 聚类分析基本原理及常用方法 | 第43页 |
| 4.2.2 K-Means聚类算法 | 第43-44页 |
| 4.3 基于改进混合蛙跳算法的聚类分析 | 第44-48页 |
| 4.3.1 改进的混合蛙跳算法 | 第44-46页 |
| 4.3.2 青蛙个体编码方式与适应值函数 | 第46-47页 |
| 4.3.3 改进聚类算法实现 | 第47-48页 |
| 4.4 实验仿真及结果分析 | 第48-53页 |
| 4.4.1 实验的数据集与参数 | 第48-49页 |
| 4.4.2 实验结果分析 | 第49-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 混合协同优化算法在说话人识别中的应用研究 | 第54-66页 |
| 5.1 引言 | 第54-55页 |
| 5.2 双粒子群优化算法 | 第55页 |
| 5.3 基于高斯混合模型的说话人识别 | 第55-58页 |
| 5.4 混合协同优化算法 | 第58-60页 |
| 5.4.1 算法理论分析 | 第58-59页 |
| 5.4.2 算法流程 | 第59-60页 |
| 5.5 基于混合协同优化算法的GMM优化 | 第60-61页 |
| 5.5.1 算法的粒子结构和适应度函数设计 | 第60页 |
| 5.5.2 混合协同优化算法的搜索策略分析 | 第60-61页 |
| 5.6 混合协同优化算法在说话人识别中的应用研究 | 第61页 |
| 5.7 实验仿真及结果分析 | 第61-65页 |
| 5.7.1 实验数据选择及参数设置 | 第62-63页 |
| 5.7.2 实验结果与分析 | 第63-65页 |
| 5.8 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 本文工作总结 | 第66页 |
| 6.2 未来研究展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间的研究成果 | 第72-73页 |
