| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 研究背景及意义 | 第13-16页 |
| 1.2 机器学习概述 | 第16-21页 |
| 1.3 智能优化算法概述 | 第21-24页 |
| 1.4 本文主要研究内容 | 第24-26页 |
| 第2章 改进的GSA算法及在函数寻优问题上的应用 | 第26-47页 |
| 2.1 万有引力搜索算法 | 第26-32页 |
| 2.1.1 万有引力定理 | 第26-28页 |
| 2.1.2 万有引力搜索算法原理 | 第28-31页 |
| 2.1.3 万有引力搜索算法研究现状 | 第31-32页 |
| 2.2 基于时变惯性权重策略的PSO-GSA算法 | 第32-34页 |
| 2.3 基于TVIW-PSO-GSA算法的函数寻优结果及分析 | 第34-46页 |
| 2.3.1 参数设置 | 第35-36页 |
| 2.3.2 寻优测试函数 | 第36-42页 |
| 2.3.3 寻优精度分析 | 第42-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 改进SVM算法及在空气质量等级分类预测问题中的应用 | 第47-72页 |
| 3.1 空气质量评价指数 | 第47-48页 |
| 3.2 支持向量机 | 第48-60页 |
| 3.2.1 线性可分SVM与硬间隔最大化 | 第49-54页 |
| 3.2.2 线性SVM与软间隔最大化 | 第54-57页 |
| 3.2.3 非线性SVM与核函数 | 第57-60页 |
| 3.3 基于TVIW-PSO-GSA算法的SVM模型 | 第60-61页 |
| 3.4 基于TVIW-PSO-GSA-SVM算法的分类预测结果及分析 | 第61-71页 |
| 3.4.1 空气质量等级分类预测结果及分析 | 第62-64页 |
| 3.4.2 UCI数据集分类结果及分析 | 第64-71页 |
| 3.5 本章小结 | 第71-72页 |
| 第4章 基于改进人工神经网络与SVR方法的流感预测问题研究 | 第72-115页 |
| 4.1 流感样病例监测 | 第72-73页 |
| 4.2 基于GFT数据的ILI预测 | 第73-84页 |
| 4.2.1 多元线性回归模型 | 第73-75页 |
| 4.2.2 非线性人工神经网络模型 | 第75-79页 |
| 4.2.3 实验结果比较与分析 | 第79-84页 |
| 4.3 基于分季流感数据的ILI预测 | 第84-93页 |
| 4.3.1 流感样病例分布特征 | 第84-87页 |
| 4.3.2 分季流感预测模型的建立 | 第87页 |
| 4.3.3 实验结果比较与分析 | 第87-93页 |
| 4.4 基于Twitter数据的ILI预测 | 第93-114页 |
| 4.4.1 流感预测模型的建立 | 第94-97页 |
| 4.4.2 改进的支持向量回归机模型 | 第97-104页 |
| 4.4.3 实验结果比较与分析 | 第104-114页 |
| 4.5 本章小结 | 第114-115页 |
| 第5章 改进的神经网络方法及在DOA估计问题中的应用 | 第115-130页 |
| 5.1 DOA估计应用背景 | 第115-116页 |
| 5.2 矢量水听器阵列信号处理模型 | 第116-118页 |
| 5.2.1 模型假设 | 第116-117页 |
| 5.2.2 阵列信号处理模型 | 第117-118页 |
| 5.3 改进人工神经网络的DOA估计方法 | 第118-123页 |
| 5.3.1 基于TVIW-PSO-GSA-BP神经网络的DOA估计方法 | 第118-119页 |
| 5.3.2 实验及性能分析 | 第119-123页 |
| 5.4 智能优化算法优化MUSIC算法的DOA估计方法 | 第123-129页 |
| 5.4.1 MUSIC算法 | 第123-125页 |
| 5.4.2 TVIW-PSO-GSA算法优化MUSIC算法的DOA估计方法 | 第125-126页 |
| 5.4.3 实验结果及性能分析 | 第126-129页 |
| 5.5 本章小结 | 第129-130页 |
| 第6章 总结与展望 | 第130-133页 |
| 6.1 主要研究工作 | 第130-131页 |
| 6.2 论文创新点 | 第131-132页 |
| 6.3 工作展望 | 第132-133页 |
| 参考文献 | 第133-146页 |
| 攻读博士期间发表的论文及所取得的研究成果 | 第146-147页 |
| 致谢 | 第147页 |
广告服务 
