多目标粒度支持向量机及其应用研究

摘要	第1-7页
Abstract	第7-13页
第1章 绪论	第13-29页
·研究的背景和意义	第13-24页
·粒计算学习方法	第17-19页
·用于粒计算的多目标优化	第19-20页
·用于粒度支持向量机的粒计算	第20-23页
·用于无线传感器网络节点定位的粒计算	第23-24页
·论文的创新性工作和主要内容	第24-29页
第2章 基于模糊格的粒计算	第29-65页
·粒计算	第30-33页
·格计算	第33-41页
·模糊格	第37-38页
·高维空间上的格	第38-39页
·区间格	第39-41页
·基于模糊格的超盒粒计算分类算法	第41-53页
·超盒粒的两点表示法	第41页
·包含度函数	第41-45页
·超盒粒之间的有条件合并	第45-47页
·基于模糊格的超盒粒计算分类算法	第47-48页
·数值实验	第48-53页
·基于模糊格的超球粒分类算法	第53-63页
·超球粒的单点表示法	第53页
·超球粒之间的模糊包含度函数	第53-57页
·超球粒的有条件合并	第57-58页
·基于模糊格的超球粒计算分类算法	第58-60页
·数值实验	第60-63页
·本章小结	第63-65页
第3章 多目标粒计算	第65-93页
·多目标优化问题	第65-66页
·多目标演化算法	第66-75页
·NSGAⅡ算法	第69-71页
·SPEA2算法	第71-75页
·基于多目标优化的超盒粒计算	第75-84页
·多目标超盒粒计算模型	第76页
·种群的初始化	第76-77页
·个体之间的演化操作	第77-80页
·基于重要度的个体优劣比较	第80-82页
·基于多目标优化的超盒粒计算	第82-83页
·算法的性能评价	第83-84页
·数值实验	第84-87页
·本章小结	第87-93页
第4章 粒度支持向量机	第93-129页
·统计学习基本理论简介	第94-98页
·支持向量机	第98-105页
·模糊支持向量机	第105-107页
·基于数据贡献度的粒度模糊支持向量机	第107-114页
·基于贡献度的两类问题粒度模糊支持向量机	第108-111页
·多类问题粒度模糊支持向量机	第111-112页
·数值实验	第112-114页
·基于粗糙集边界的粒度模糊支持向量机	第114-121页
·粗糙集理论简介	第115-117页
·训练集的粒化过程	第117-119页
·基于粗糙集边界的粒度模糊支持向量机	第119-120页
·数值实验	第120-121页
·基于属性集粒化的粒度模糊支持向量机	第121-127页
·基于重要度的属性约简	第122-124页
·属性集的粒化方法	第124-125页
·基于属性集粒化的粒度模糊支持向量机	第125页
·数值实验	第125-127页
·本章小结	第127-129页
第5章 粒计算在WSN节点定位中的应用	第129-141页
·节点之间通信量的估计	第131-132页
·接收信号强度	第131-132页
·信号到达时间	第132页
·节点的定位技术	第132-133页
·映射技术	第132-133页
·统计定位算法	第133页
·基于粒计算的传感器节点定位算法	第133-139页
·WSN的结构	第133-135页
·定位区域的网格化	第135-136页
·粒计算定位算法	第136-137页
·定位算法的精度分析	第137-138页
·数值仿真实验	第138-139页
·本章小结	第139-141页
第6章 总结与展望	第141-145页
·论文内容总结	第141-143页
·进一步研究工作	第143-145页
致谢	第145-147页
参考文献	第147-161页
攻读博士期间参与的科研项目以及发表的论文	第161-162页
参与的科研项目	第161页
发表的论文	第161-162页