基因表达式编程优化算法及其在聚类分析中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·论文选题及其研究意义 | 第8-9页 |
| ·GEP 概述 | 第9-16页 |
| ·GEP 的基本要素 | 第9-11页 |
| ·GEP 的编码与解码 | 第11-12页 |
| ·GEP 中的遗传算子 | 第12-14页 |
| ·GEP 的适应度函数 | 第14页 |
| ·GEP 的特点 | 第14-15页 |
| ·GEP 的研究现状 | 第15-16页 |
| ·本文的主要工作安排 | 第16-18页 |
| 第二章 改进的 GEP 单目标自动聚类算法 | 第18-30页 |
| ·引 | 第18-19页 |
| ·改进的 GEP 单目标自动聚类 | 第19-23页 |
| ·算法流程 | 第19-20页 |
| ·染色体的编码 | 第20页 |
| ·染色体的解码 | 第20-22页 |
| ·适应度函数 | 第22页 |
| ·合并准则 | 第22-23页 |
| ·实验结果与分析 | 第23-27页 |
| ·实验设置 | 第23页 |
| ·数据聚类 | 第23-27页 |
| ·本章小结 | 第27-30页 |
| 第三章 基于新编码方式的 GEP 多目标聚类 | 第30-48页 |
| ·引言 | 第30页 |
| ·二种编码方式的比较 | 第30-32页 |
| ·种群多样性与多目标的意义 | 第30-31页 |
| ·新旧二种编码方式的比较 | 第31-32页 |
| ·基于新编码方式的 GEP 多目标聚类 | 第32-35页 |
| ·NSGA-II | 第32页 |
| ·算法流程 | 第32-33页 |
| ·适应度函数 | 第33页 |
| ·遗传算子 | 第33-34页 |
| ·时间复杂度分析 | 第34页 |
| ·解的选择 | 第34-35页 |
| ·实验结果与分析 | 第35-45页 |
| ·实验设置 | 第35页 |
| ·参数分析 | 第35-36页 |
| ·数据聚类 | 第36-45页 |
| ·鲁棒性分析 | 第45页 |
| ·本章小结 | 第45-48页 |
| 第四章 基于 GEP 聚类算法的纹理图像分割 | 第48-56页 |
| ·引言 | 第48-49页 |
| ·基于 GEP 聚类算法的纹理图像分割 | 第49-51页 |
| ·分水岭 | 第49页 |
| ·灰度共生矩阵 | 第49-51页 |
| ·小波变换 | 第51页 |
| ·算法流程 | 第51页 |
| ·实验结果与分析 | 第51-55页 |
| ·实验设置 | 第51-52页 |
| ·纹理图像分割 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·主要工作总结 | 第56页 |
| ·研究展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 硕士期间科研成果 | 第64-65页 |
