| 摘要 | 第1-8页 |
| ABSTRACT | 第8-15页 |
| 第一章 绪论 | 第15-21页 |
| ·研究背景 | 第15-16页 |
| ·研究意义 | 第16-17页 |
| ·国内外研究现状 | 第17-18页 |
| ·论文的主要研究内容 | 第18-19页 |
| ·论文的结构安排 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第二章 PSO优化神经网络算法基础理论及研究现状 | 第21-34页 |
| ·前馈神经网络及其优化技术 | 第21-26页 |
| ·前馈神经网络 | 第21-23页 |
| ·前馈神经网络优化技术 | 第23-26页 |
| ·PSO算法及现有改进方法 | 第26-31页 |
| ·群智能优化算法简介 | 第26-27页 |
| ·PSO算法 | 第27-28页 |
| ·PSO算法改进的研究现状 | 第28-31页 |
| ·PSO优化神经网络算法及研究现状 | 第31-33页 |
| ·PSO优化神经网络算法 | 第31-32页 |
| ·PSO优化神经网络算法的研究现状 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 改进的SMPSO优化神经网络算法 | 第34-43页 |
| ·概述 | 第34-35页 |
| ·改进的SMPSO算法 | 第35-37页 |
| ·基于SMPSO的相关性剪枝算法 | 第37-39页 |
| ·神经网络相关性剪枝算法 | 第37-38页 |
| ·基于SMPSO的相关性剪枝算法 | 第38-39页 |
| ·实验结果及分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 函数逼近问题中耦合先验信息的PSO优化神经网络算法 | 第43-59页 |
| ·概述 | 第43-44页 |
| ·先验信息的提取及耦合方法 | 第44-46页 |
| ·先验信息 | 第44-45页 |
| ·函数逼近问题中先验信息的提取及耦合方式 | 第45-46页 |
| ·耦合上下界的PSO优化神经网络算法 | 第46-49页 |
| ·上下界先验信息的提取和使用 | 第46-48页 |
| ·ULB-PSO-BPNN算法描述 | 第48-49页 |
| ·耦合一阶导数的PSO优化神经网络算法 | 第49-51页 |
| ·一阶导数先验信息的提取和使用 | 第49-51页 |
| ·FOD-PSO-BPNN算法描述 | 第51页 |
| ·实验结果及分析 | 第51-58页 |
| ·参数设置和评价指标 | 第51-52页 |
| ·实验结果及分析 | 第52-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 分类问题中耦合先验信息的PSO优化神经网络算法 | 第59-75页 |
| ·概述 | 第59-61页 |
| ·针对大样本数据集的PSO优化神经网络算法 | 第61-67页 |
| ·大样本数据集中提取先验信息的方法 | 第61-62页 |
| ·PIPSO-BPNN算法 | 第62-64页 |
| ·实验结果及分析 | 第64-67页 |
| ·针对小样本数据集的PSO优化神经网络算法 | 第67-73页 |
| ·PIPSO-RBF算法 | 第68-70页 |
| ·PIPSO-RBF的结构优化 | 第70-71页 |
| ·实验结果及分析 | 第71-73页 |
| ·本章小结 | 第73-75页 |
| 第六章 改进的PSO优化神经网络算法在微阵列数据处理中的应用 | 第75-90页 |
| ·概述 | 第75-77页 |
| ·微阵列数据特征选择算法 | 第77-81页 |
| ·现有的微阵列数据特征选择算法 | 第77-79页 |
| ·基于基因的信噪比的特征选择 | 第79-81页 |
| ·微阵列数据分类算法 | 第81-85页 |
| ·现有的微阵列数据分类算法 | 第81-83页 |
| ·基于PIPSO-RBF算法的微阵列数据分类 | 第83-85页 |
| ·实验结果及分析 | 第85-89页 |
| ·本章小结 | 第89-90页 |
| 第七章 总结与展望 | 第90-92页 |
| ·论文工作总结 | 第90-91页 |
| ·下一步的工作 | 第91-92页 |
| 参考文献 | 第92-100页 |
| 致谢 | 第100-101页 |
| 在学期间发表的论文和参与的科研项目 | 第101-102页 |
