混合蛙跳特征選擇方法應(yīng)用研究

前言
1 緒論
1.1 引言
1.1.1 優(yōu)化模型
1.1.2 優(yōu)化算法
1.2 群體智能優(yōu)化算法
1.3 混合蛙跳算法的改進(jìn)及應(yīng)用
1.3.1 算法的改進(jìn)
1.3.2 算法的應(yīng)用
1.3.3 算法收斂性分析
1.4 特征選擇方法
1.4.1 特征選擇應(yīng)用研究
1.4.2 智能優(yōu)化算法特征選擇方法
1.5 本書的創(chuàng)新點(diǎn)
1.6 小結(jié)
2 混合蛙跳算法的參數(shù)優(yōu)化
2.1 引言
2.2 混合蛙跳算法原理
2.2.1 種群分割
2.2.2 尋優(yōu)原理
2.2.3 算法流程
2.3 混合蛙跳算法參數(shù)優(yōu)化設(shè)計(jì)
2.3.1 正交試驗(yàn)設(shè)計(jì)方法
2.3.2 分組-子群平衡正交試驗(yàn)設(shè)計(jì)方法
2.4 小結(jié)
3 改進(jìn)的混合蛙跳算法
3.1 引言
3.2 算法的改進(jìn)策略
3.2.1 混沌記憶權(quán)重因子
3.2.2 細(xì)菌覓食因子
3.2.3 平衡分組策略
3.3 改進(jìn)策略性能分析
3.3.1 固定迭代次數(shù)下的算法優(yōu)化精度分析
3.3.2 固定優(yōu)化精度下的算法迭代次數(shù)分析
3.4 算法計(jì)算復(fù)雜度
3.5 小結(jié)
4 基于混合蛙跳算法的高維生物醫(yī)學(xué)特征選擇方法
4.1 引言
4.2 算法的離散化處理
4.3 特征選擇的實(shí)現(xiàn)
4.3.1 算法步驟
4.3.2 特征選擇流程
4.3.3 特征選擇評價(jià)函數(shù)
4.3.4 數(shù)據(jù)處理與分析
4.4 小結(jié)
5 基于混合蛙跳算法的自適應(yīng)高維生物醫(yī)學(xué)特征選擇方法
5.1 引言
5.2 自適應(yīng)解空間調(diào)整策略
5.3 自適應(yīng)混合蛙跳特征選擇方法
5.3.1 A-ISFLA步驟
5.3.2 ABF-SFLA步驟
5.3.3 特征選擇方法流程
5.3.4 評價(jià)函數(shù)
5.3.5 數(shù)據(jù)處理與分析
5.3.6 算法計(jì)算復(fù)雜度
5.4 小結(jié)
6 帶學(xué)習(xí)因子雞群優(yōu)化算法在高維數(shù)據(jù)特征選擇中的應(yīng)用
6.1 改進(jìn)的雞群優(yōu)化算法
6.1.1 學(xué)習(xí)機(jī)制策略
6.1.2 線性微分遞減策略
6.1.3 算法流程
6.2 實(shí)驗(yàn)結(jié)果與分析
6.2.1 標(biāo)準(zhǔn)測試函數(shù)
6.2.2 算法測試與比較
6.3 特征選擇
6.3.1 特征選擇概念及基本框架
6.3.2 特征選擇方法分類
6.4 帶學(xué)習(xí)因子雞群優(yōu)化算法特征選擇應(yīng)用
6.4.1 數(shù)據(jù)集
6.4.2 評價(jià)函數(shù)
6.4.3 鄰近算法
6.4.4 十折交叉驗(yàn)證
6.4.5 適應(yīng)度函數(shù)設(shè)計(jì)流程
6.4.6 參數(shù)設(shè)置
6.4.7 結(jié)果與分析
6.5 小結(jié)
7 總結(jié)和展望
7.1 總結(jié)
7.2 展望
參考文獻(xiàn)