粒子群算法及其在模式识别领域中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·粒子群算法的研究现状 | 第7-11页 |
| ·本文的主要内容 | 第11-13页 |
| 第二章 粒子群算法及其收敛性分析 | 第13-21页 |
| ·基本粒子群算法 | 第13-15页 |
| ·随机算法的收敛准则 | 第15-18页 |
| ·粒子群算法的收敛性 | 第18-21页 |
| 第三章 粒子群算法求解多峰搜索问题 | 第21-33页 |
| ·引言 | 第21-22页 |
| ·多峰搜索的动态粒子群算法 | 第22-28页 |
| ·多峰函数转换 | 第23-24页 |
| ·动态调整群体规模 | 第24-25页 |
| ·多峰搜索的动态粒子群算法 | 第25-26页 |
| ·试验结果 | 第26-28页 |
| ·基于粒子群优化算法的优育子群法 | 第28-31页 |
| ·多峰函数转换 | 第28页 |
| ·优育子群迁徙策略 | 第28-29页 |
| ·基于粒子群优化算法的优育子群法 | 第29-30页 |
| ·试验结果 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 改进的粒子群算法训练神经网络 | 第33-47页 |
| ·引言 | 第33-34页 |
| ·强引导型粒子群算法 | 第34-38页 |
| ·预备知识 | 第34-35页 |
| ·强引导型粒子群算法 | 第35-36页 |
| ·算法流程 | 第36页 |
| ·试验结果 | 第36-38页 |
| ·基于强引导型粒子群算法的神经网络学习算法 | 第38-44页 |
| ·神经网络介绍 | 第38-41页 |
| ·基于强引导型粒子群算法的神经网络学习算法 | 第41-43页 |
| ·试验结果 | 第43-44页 |
| ·本章小结 | 第44-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·本论文总结 | 第47页 |
| ·对粒子群算法的展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间成果 | 第54-55页 |
