智能优化算法及应用的研究
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号说明 | 第9-10页 |
| 第一章 智能优化算法综述 | 第10-13页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 智能优化算法的优点 | 第11页 |
| 1.3 优化模型 | 第11-13页 |
| 第二章 遗传算法 | 第13-20页 |
| 2.1 基本遗传算法 | 第13-14页 |
| 2.2 遗传算法的构成要素 | 第14-17页 |
| 2.2.1 编码方法 | 第14-15页 |
| 2.2.2 个体适应度函数 | 第15-16页 |
| 2.2.3 遗传算子 | 第16-17页 |
| 2.3 遗传算法的参数选择 | 第17-18页 |
| 2.4 遗传算法的特点 | 第18-20页 |
| 第三章 人工免疫算法 | 第20-27页 |
| 3.1 免疫算法基本概念 | 第21页 |
| 3.2 基本免疫算法 | 第21-23页 |
| 3.3 克隆选择算法 | 第23-24页 |
| 3.4 免疫算法的特点 | 第24-25页 |
| 3.5 与遗传算法的的比较 | 第25页 |
| 3.6 克隆选择算法仿真 | 第25-27页 |
| 第四章 蚁群算法 | 第27-36页 |
| 4.1 群体智能算法 | 第27页 |
| 4.2 蚁群系统简介 | 第27-28页 |
| 4.3 TSP问题简介 | 第28-29页 |
| 4.4 基本蚁群算法 | 第29-31页 |
| 4.5 参数选择 | 第31-32页 |
| 4.6 蚁群算法的特点 | 第32-34页 |
| 4.7 蚁群算法研究现状 | 第34-35页 |
| 4.8 TSP问题求解 | 第35-36页 |
| 第五章 粒子群优化算法 | 第36-42页 |
| 5.1 粒子群算法概述 | 第36-37页 |
| 5.2 基本粒子群算法 | 第37-38页 |
| 5.3 粒子群算法的研究现状 | 第38-39页 |
| 5.3.1 带有惯性因子的粒子群算法 | 第38页 |
| 5.3.2 带有收缩因子的粒子群算法 | 第38-39页 |
| 5.3.3 基于遗传思想改进的粒子群算法 | 第39页 |
| 5.4 标准粒子群算法参数选择 | 第39-40页 |
| 5.5 粒子群算法的特点 | 第40-41页 |
| 5.6 与遗传算法的比较 | 第41-42页 |
| 第六章 图像分割 | 第42-55页 |
| 6.1 图像分割综述 | 第42页 |
| 6.2 基于优化算法的多阈值图像分割方法 | 第42-46页 |
| 6.2.1 最大熵阈值法 | 第43-44页 |
| 6.2.2 最大类间方差法 | 第44页 |
| 6.2.3 基于粒子群算法的多阈值优化 | 第44-45页 |
| 6.2.4 实验结果 | 第45-46页 |
| 6.3 基于复小波的纹理图像分割 | 第46-55页 |
| 6.3.1 纹理特征 | 第46-47页 |
| 6.3.2 连续小波变换 | 第47-48页 |
| 6.3.3 复小波变换基本理论 | 第48-49页 |
| 6.3.4 双树复小波变换 | 第49-51页 |
| 6.3.5 纹理图像的多尺度复小波分割 | 第51-53页 |
| 6.3.6 实验结果 | 第53-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士研究生期间发表的论文 | 第63-64页 |
| 学位论文评阅及答辩情况表 | 第64页 |
