| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第11-16页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 群体智能 | 第11-12页 |
| 1.1.2 随机游走 | 第12页 |
| 1.1.3 机器学习 | 第12-13页 |
| 1.2 课题研究目的及意义 | 第13-14页 |
| 1.3 论文的主要研究工作 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 主要技术和基本理论 | 第16-29页 |
| 2.1 蚁群优化算法 | 第16-22页 |
| 2.1.1 基本蚁群优化算法的数学模型 | 第17-20页 |
| 2.1.2 蚂蚁分类规则挖掘算法μcAnt-Miner | 第20-22页 |
| 2.2 支持向量机分类算法概述 | 第22-23页 |
| 2.3 K-最近邻分类算法概述 | 第23页 |
| 2.4 多层次随机游走 | 第23-27页 |
| 2.4.1 标签传播分类算法概述 | 第23-25页 |
| 2.4.2 多层次随机游走学习框架 | 第25-27页 |
| 2.5 智能随机游走学习 | 第27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 互补子群随机游走学习 | 第29-43页 |
| 3.1 群体随机游走学习框架 | 第29-31页 |
| 3.1.1 一般分类问题刻画 | 第29-30页 |
| 3.1.2 群体随机游走学习模型 | 第30-31页 |
| 3.2 补子群随机游走学习 | 第31-33页 |
| 3.2.1 懒散随机游走分类 | 第31-32页 |
| 3.2.2 互补懒散组合优化 | 第32-33页 |
| 3.3 监督式懒散游走学习 | 第33-37页 |
| 3.3.1 监督式懒散游走分类器 | 第33-34页 |
| 3.3.2 测试方法 | 第34页 |
| 3.3.3 简单数据集 | 第34-35页 |
| 3.3.4 UCI数据集 | 第35-37页 |
| 3.4 监督式多步随机游走学习 | 第37-41页 |
| 3.4.1 监督式多步随机游走分类器 | 第37页 |
| 3.4.2 细胞蛋白质定位预测 | 第37-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 多子群随机游走学习 | 第43-59页 |
| 4.1 多类别蚁群随机游走学习 | 第43-45页 |
| 4.2 多蚁群随机游走分类算法 | 第45-53页 |
| 4.2.1 算法框架描述 | 第45-46页 |
| 4.2.2 图构建 | 第46-47页 |
| 4.2.3 信息素矩阵τ | 第47页 |
| 4.2.4 启发式信息η | 第47-48页 |
| 4.2.5 单蚁群随机游走过程 | 第48-50页 |
| 4.2.6 信息素更新规则 | 第50-51页 |
| 4.2.7 测试 | 第51-53页 |
| 4.3 基于置信度的随机游走分类算法 | 第53页 |
| 4.4 基于置信度的多蚁群随机游走 | 第53-58页 |
| 4.4.1 算法描述 | 第54-55页 |
| 4.4.2 疾病诊断 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 进化群体随机游走学习 | 第59-75页 |
| 5.1 问题定义 | 第59-60页 |
| 5.2 进化蚁群随机游走分类算法 | 第60-65页 |
| 5.2.1 距离度量 | 第61-62页 |
| 5.2.2 启发值 | 第62页 |
| 5.2.3 信息素矩阵 | 第62-63页 |
| 5.2.4 种群进化 | 第63-65页 |
| 5.3 实验测试 | 第65-74页 |
| 5.3.1 演示 | 第65-67页 |
| 5.3.2 参数分析 | 第67-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75页 |
| 6.2 工作展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间发表的论文 | 第84-85页 |
| 攻读硕士学位期间参加的研究工作 | 第85-87页 |