| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-14页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.2 人工蜂群算法的研究现状 | 第10-11页 |
| 1.3 分类算法研究现状 | 第11-12页 |
| 1.4 课题研究的主要内容 | 第12-14页 |
| 2. 基本算法概述 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 支持向量机 | 第14-17页 |
| 2.2.1 线性可分SVM | 第14-16页 |
| 2.2.2 线性不可分SVM | 第16-17页 |
| 2.2.3 核函数 | 第17页 |
| 2.3 特征选择 | 第17-20页 |
| 2.3.1 特征选择的过程 | 第18-19页 |
| 2.3.2 特征选择方法的分类 | 第19-20页 |
| 2.4 ABC算法原理 | 第20-23页 |
| 2.4.1 蜜蜂采蜜机制 | 第20-21页 |
| 2.4.2 人工蜂群算法具体步骤 | 第21-23页 |
| 2.5 小结 | 第23-24页 |
| 3. 基于ABC算法的特征选择和SVM参数同步优化 | 第24-34页 |
| 3.1 基于ABC算法的特征子集选择和SVM参数同步优化算法 | 第24-27页 |
| 3.1.1 ABC算法参数设计 | 第24-25页 |
| 3.1.2 适应度函数的设计 | 第25页 |
| 3.1.3 ABC-SVM算法 | 第25-27页 |
| 3.2 实验研究 | 第27-31页 |
| 3.2.1 实验数据 | 第27页 |
| 3.2.2 分类器评价 | 第27-28页 |
| 3.2.3 实验结果 | 第28-31页 |
| 3.3 与其他方法进行比较 | 第31-33页 |
| 3.4 小结 | 第33-34页 |
| 4. 基于改进的ABC算法的特征选择和SVM参数同步优化 | 第34-41页 |
| 4.1 整数帐篷映射 | 第34-35页 |
| 4.2 人工蜂群算法的改进 | 第35-37页 |
| 4.3 基于IABC算法的特征子集选择和SVM参数同步优化算法 | 第37-40页 |
| 4.4 小结 | 第40-41页 |
| 5. 基于多目标人工蜂群算法的分类器设计 | 第41-47页 |
| 5.1 多目标优化问题 | 第41-42页 |
| 5.1.1 问题模型及相关概念 | 第41页 |
| 5.1.2 多目标优化性能指标 | 第41-42页 |
| 5.2 多目标人工蜂群算法 | 第42-43页 |
| 5.3 分类器设计与实验分析 | 第43-46页 |
| 5.4 小结 | 第46-47页 |
| 6. 总结与展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录：硕士研究生学习阶段发表论文 | 第52-53页 |
| 致谢 | 第53页 |
