基于粒子群优化算法的窗口参数确定方法研究

摘要

本文在概率密度函数估计的框架下对5种粒子群优化算法的性能进行了验证。这5种粒子群优化分别是标准粒子群优化、带约束因子的粒子群优化、高斯粒子群优化、带高斯跳跃的高斯粒子群优化、带柯西跳跃的高斯粒子群优化。基于3种不同的窗口参数表达式确定方法，即Bootstrap方法、Least-squarescross-validation方法、以及biasedcross-validation方法。本文分别使用这5种粒子群优化算法来寻找最优的窗口参数，并通过4种常用的概率分布（均匀分布、正态分布、指数分布、瑞利分布）对这5种粒子群优化算法的优化性能进行比较，结果表明，带有跳跃的高斯粒子群优化，即带高斯跳跃的高斯粒子群优化和带柯西跳跃的高斯粒子群优化获得最佳的求解效果。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 研究工作的目的与意义

1.2 本课题的国内外发展现状

1.3 本课题研究的主要内容

第2章 Parzen窗口法

2.1 Parzen窗口法的引入过程

2.2 Parzen窗口法的应用实例

2.3 本章小结

第3章 估计误差度量标准

3.1 MISE的推导

3.2 Bootstrap方法

3.3 Least-squares cross-validation-LSCV方法

3.4 Biased cross-validation-BCV方法

3.5 本章小结

第4章 粒子群优化算法

4.1 标准粒子群优化算法

4.2 带约束因子的粒子群优化算法

4.3 高斯粒子群优化算法

4.4 带跳跃的粒子群优化算法

4.5 本章小结

第5章 确定最优窗口宽度

5.1 不同粒子群优化算法之间的比较

5.2

5.3

第6章 总结与展望

参考文献

致谢

攻读学位期间取得的科研成果