| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·研究历史与现状 | 第10-11页 |
| ·本文所做主要工作 | 第11-12页 |
| ·本文内容安排 | 第12-13页 |
| 第二章 GEP 与 SVM 相关知识介绍 | 第13-21页 |
| ·GEP 起源与原理 | 第13-15页 |
| ·GEP 的组织结构 | 第15-17页 |
| ·SVM 的基本原理 | 第17-20页 |
| ·当前空间可分的SVM | 第17-18页 |
| ·当前空间不可分的SVM | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于 GEP 的特征选择设计 | 第21-34页 |
| ·特征选择简介 | 第21-22页 |
| ·特征选择常用方法 | 第22-23页 |
| ·评价准则 | 第22页 |
| ·搜索策略 | 第22-23页 |
| ·GEP 进行特征选择的方法 | 第23-29页 |
| ·编码设计 | 第23-25页 |
| ·遗传操作 | 第25-27页 |
| ·进化策略 | 第27页 |
| ·适应度函数 | 第27-28页 |
| ·算法流程 | 第28-29页 |
| ·实验与讨论 | 第29-33页 |
| ·实验 | 第29-32页 |
| ·分析与讨论 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于 GEP 的支持向量机参数优化 | 第34-45页 |
| ·影响分类精度的分析 | 第34-36页 |
| ·参数选择的常用方法 | 第36-37页 |
| ·经验法 | 第36页 |
| ·网格法 | 第36-37页 |
| ·演化算法 | 第37页 |
| ·GEP 优化SVM 参数的方法 | 第37-41页 |
| ·GEP 优化参数的方案 | 第37-39页 |
| ·染色体编码方案 | 第39-40页 |
| ·基因算子 | 第40页 |
| ·适应度函数 | 第40页 |
| ·算法参数优化算法 | 第40-41页 |
| ·实验 | 第41-44页 |
| ·实验一 | 第41-43页 |
| ·实验二 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| ·主要工作总结 | 第45页 |
| ·研究展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 附录 A 攻读硕士学位期间所发表的论文 | 第52页 |
| 附录 B 本文作者攻读硕士学位期间主持和参加的科研项目 | 第52页 |