| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-12页 |
| 1.1.1 最优化问题 | 第9-10页 |
| 1.1.2 群智能优化算法 | 第10页 |
| 1.1.3 运动序列的目标追踪问题 | 第10-12页 |
| 1.2 课题的主要研究内容 | 第12-14页 |
| 第二章 优化算法和目标追踪研究 | 第14-23页 |
| 2.1 群智能优化算法 | 第14-19页 |
| 2.1.1 差分进化算法 | 第14-16页 |
| 2.1.2 人工蜂群算法 | 第16-19页 |
| 2.2 运动序列目标追踪问题简介 | 第19-22页 |
| 2.2.1 目标追踪问题发展现状 | 第20-21页 |
| 2.2.2 SSIM模型 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于差分进化算法的目标追踪框架 | 第23-38页 |
| 3.1 算法思想的简介 | 第23页 |
| 3.2 基于差分进化算法的目标追踪框架 | 第23-30页 |
| 3.2.1 粒子初始化 | 第23-25页 |
| 3.2.2 参数F和CR | 第25-27页 |
| 3.2.3 变异过程迭代公式 | 第27-28页 |
| 3.2.4 新颖的更新补偿机制 | 第28-29页 |
| 3.2.5 基于差分进化算法的目标追踪框架流程 | 第29-30页 |
| 3.3 实验与结果分析 | 第30-37页 |
| 3.3.1 实验设置 | 第31-32页 |
| 3.3.2 实验结果与分析 | 第32-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 改进型人工蜂群算法及在目标追踪问题中的应用 | 第38-72页 |
| 4.1 算法改进思路 | 第38页 |
| 4.2 改进型人工蜂群算法 | 第38-47页 |
| 4.2.1 雇佣蜂阶段 | 第38-43页 |
| 4.2.2 观察蜂阶段 | 第43页 |
| 4.2.3 侦查蜂阶段 | 第43-46页 |
| 4.2.4 改进型人工蜂群算法流程 | 第46-47页 |
| 4.3 算法测试与比较 | 第47-67页 |
| 4.3.1 基准函数 | 第48-50页 |
| 4.3.2 改进型人工蜂群算法的实验参数设置 | 第50-51页 |
| 4.3.3 对改进的侦查蜂阶段的评价 | 第51-52页 |
| 4.3.4 与ABC变体的对比试验结果与分析 | 第52-67页 |
| 4.4 改进型人工蜂群算法在目标追踪问题上的应用 | 第67-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 论文主要工作及创新性 | 第72-73页 |
| 5.2 今后工作展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第79-80页 |
| 附录2 攻读硕士学位期间申请的专利 | 第80-81页 |
| 附录3 攻读硕士学位期间所获荣誉 | 第81-82页 |
| 致谢 | 第82页 |