基于进化计算的行为模型自动精化和排序学习方法的研究
摘要 | 第1-14页 |
ABSTRACT | 第14-18页 |
第1章 绪论 | 第18-38页 |
·研究背景与意义 | 第18-20页 |
·行为模型的建模和自动精化 | 第18-20页 |
·信息检索中的网页排序 | 第20页 |
·国内外研究现状 | 第20-32页 |
·模型的建模和精化方法 | 第21-30页 |
·网页排序方法 | 第30-32页 |
·课题的研究内容与意义 | 第32-36页 |
·研究内容 | 第33-35页 |
·研究意义 | 第35-36页 |
·研究成果 | 第36页 |
·论文的组织结构 | 第36-38页 |
第2章 形式化的行为模型建模方法 | 第38-58页 |
·UML模型的缺点 | 第38-40页 |
·行为模型的基础——数据模型 | 第40-48页 |
·数据模型的定义和框架 | 第41-42页 |
·行为模型中形式化语句的基本符号 | 第42-44页 |
·UML模型到数据模型的转换规则 | 第44-47页 |
·实例研究 | 第47-48页 |
·模型驱动开发中的行为模型 | 第48-54页 |
·行为模型及其相关定义 | 第48-54页 |
·实例研究 | 第54页 |
·支持递增式建模的复杂行为模型 | 第54-56页 |
·两种重用结构 | 第55-56页 |
·实例研究 | 第56页 |
·本章小结 | 第56-58页 |
第3章 行为模型的精化理论研究 | 第58-65页 |
·行为精化的定义 | 第58-62页 |
·状态空间分析 | 第62-63页 |
·本章小结 | 第63-65页 |
第4章 基于遗传规划的行为模型的精化方法 | 第65-93页 |
·程序演化问题中存在的难点 | 第65-66页 |
·基于谓词逻辑的遗传规划算法 | 第66-84页 |
·行为模型中采用的谓词公式范式 | 第66-74页 |
·基于遗传规划的精化机制 | 第74-80页 |
·实例研究 | 第80-84页 |
·包含组合终止条件的遗传规划方法 | 第84-91页 |
·组合终止条件 | 第85页 |
·实现机制 | 第85-86页 |
·实例研究 | 第86-91页 |
·本章小结 | 第91-93页 |
第5章 基于进化计算的排序学习的研究 | 第93-99页 |
·进化计算在排序学习领域中的现状 | 第93-94页 |
·基于进化计算的排序学习 | 第94-97页 |
·形式化定义 | 第94-95页 |
·基于进化计算的排序学习的优点 | 第95-96页 |
·基于进化计算的排序学习的算法框架 | 第96-97页 |
·本章小结 | 第97-99页 |
第6章 RankIP:基于免疫规划的排序学习方法 | 第99-127页 |
·免疫规划算法 | 第99-105页 |
·生物免疫系统 | 第99-100页 |
·人工免疫系统 | 第100-102页 |
·免疫规划算法 | 第102-104页 |
·免疫规划和遗传规划的区别 | 第104-105页 |
·RankIP:基于免疫规划的排序学习算法 | 第105-112页 |
·终止符集合 | 第106-107页 |
·函数集合 | 第107页 |
·排序函数的评价 | 第107-108页 |
·亲和度函数 | 第108-110页 |
·高亲和度个体的选择 | 第110页 |
·最优个体的选择 | 第110-112页 |
·实验 | 第112-126页 |
·数据集合: LETOR | 第112-113页 |
·实验参数 | 第113页 |
·RankIP的测试精度 | 第113-117页 |
·RankIP对于最优个体选择公式的敏感度 | 第117-118页 |
·RankIP对几个选择参数的敏感度 | 第118-123页 |
·免疫规划和遗传规划在排序学习中的对比 | 第123-126页 |
·本章小结 | 第126-127页 |
第7章 总结与展望 | 第127-132页 |
·主要工作总结 | 第127-130页 |
·未来工作展望 | 第130-132页 |
参考文献 | 第132-145页 |
致谢 | 第145-146页 |
攻读学位期间发表的学术论文 | 第146-148页 |
在读期间参与科研项目情况 | 第148-149页 |
在读期间获奖情况 | 第149-150页 |
学位论文评阅及答辩情况 | 第150-152页 |
外文论文 | 第152-177页 |