自适应量子行为粒子群算法及其在图像分类中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究的背景、目的和意义 | 第10-12页 |
| ·本文的主要内容及创新 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 第2章 相关技术研究 | 第15-35页 |
| ·量子行为粒子群算法 | 第15-21页 |
| ·粒子群优化算法 | 第15-17页 |
| ·量子行为粒子群算法 | 第17-21页 |
| ·图像分类相关研究 | 第21-34页 |
| ·图像特征提取 | 第23-26页 |
| ·特征选择简介 | 第26-29页 |
| ·图像分类技术简介 | 第29-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 自适应量子行为粒子群算法 | 第35-48页 |
| ·群体多样性定义 | 第35页 |
| ·自适应调整策略 | 第35-38页 |
| ·交叉策略 | 第36页 |
| ·变异策略 | 第36-38页 |
| ·算法流程设计 | 第38-40页 |
| ·实验部分 | 第40-47页 |
| ·实验设计 | 第40-41页 |
| ·实验参数设置 | 第41页 |
| ·实验结果及分析 | 第41-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于AQPSO和SVM的图像分类算法 | 第48-63页 |
| ·基于参数估计和特征选择的SVM算法相关研究 | 第48-49页 |
| ·混合图像分类算法 | 第49-54页 |
| ·参数估计与特征选择 | 第50-51页 |
| ·粒子个体设计 | 第51页 |
| ·适应度函数设计 | 第51-52页 |
| ·图像分类算法流程 | 第52-54页 |
| ·实验部分 | 第54-62页 |
| ·实验设计 | 第54-55页 |
| ·实验参数设置 | 第55页 |
| ·实验结果及分析 | 第55-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 结论 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·下一步的工作 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间主要的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
