声明
摘要
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 群智能算法研究综述
1.2.2 蝙蝠算法国内外研究状况
1.3 论文研究内容和创新点
1.4 论文的组织结构
1.5 本章小结
2.1.1 蝙蝠回声定位原理
2.1.2 蝙蝠算法的结构
2.1.2 蝙蝠算法的步骤
2.1.3 蝙蝠算法的改进
2.2 人工神经网络概述
2.2.1 神经元模型
2.2.2 BP神经网络模型
2.2.3 激活函数
2.2.4 BP算法流程
2.2.5 BP算法的改进
2.3 本章小结
第三章 基于越界重置和自适应缩放的蝙蝠优化算法
3.1 蝙蝠算法存在的缺陷
3.1.1 个体越界问题
3.1.2 缺乏种群多样性
3.1.3 响度和脉冲频度的更新存在缺陷
3.2 蝙蝠算法的改进策略
3.2.1 蝙蝠算法的越界重置策略
3.2.2 自适应缩放
3.2.3 响度和脉冲频度线性渐变
3.3 改进的蝙蝠算法
3.3.1 算法流程
3.3.2 算法流程图
3.4 实验仿真
3.4.1 实验设计
3.3.2 实验结果
3.3.3 算法收敛稳定性分析
3.4 算法性能分析
3.5 本章小结
第四章 基于改进蝙蝠算法优化BP神经网络
4.1 改进的BP神经网络
4.1.1 BP算法的缺陷
4.1.2 改进策略
4.2 网络设计
4.2.1 网络参数编码
4.2.2 适应度函数设计
4.2.3 算法流程
4.2.4 算法流程图
4.3 性能评价
4.3.1 实验设计
4.3.2 实验结果
4.4 改进BP神经网络在分类问题中的应用
4.4.1 语音特征信号分类
4.4.2 鸢尾花卉分类
4.4.3 意大利葡萄酒种类识别
4.4.4 结论
4.5 本章小结
5.1 全文总结
5.2 研究展望
参考文献
致谢
攻读硕士学位期间参加的科研项目
攻读学位期间发表论文情况