首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

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

论文共177页,点击 下载论文
上一篇:人大代表的监督能动性及其影响因素研究
下一篇:H_∞滤波理论在多传感器信息融合状态估计中的应用研究