文摘
英文文摘
声明
第一章绪论
1.1引言
1.2本文的研究背景
1.2.1沙尘暴预测
1.2.2支持向量机的参数优化
1.2.3群智能的发展
1.3本文所作的工作
1.4本章小结
第二章遗传算法与粒子群算法
2.1遗传算法
2.1.1遗传算法的生物学概念
2.1.2遗传算法的构成要素
2.1.3遗传算法的应用步骤和流程
2.1.4遗传算法的特点
2.2粒子群算法
2.2.1 PSO算法的描述
2.2.2 PSO算法的应用步骤
2.3本章小结
第三章基于支持向量机的沙尘暴预测模型
3.1支持向量机理论
3.1.1支持向量机原理
3.1.2 SVM核函数的选择及其参数对分类的影响
3.2实验样本及数据预处理
3.2.1实验样本
3.2.2样本数据预处理
3.3 SVM训练过程示意图
3.4本章小结
第四章遗传算法、粒子群算法在SVM参数优化中的应用
4.1遗传算法在SVM参数优化中的应用
4.1.1参数的确定及其编码和解码
4.1.2种群初始化
4.1.3适应度函数的确定
4.1.4遗传算子及运行参数的设定
4.2粒子群算法在支持向量机参数优化中的应用
4.2.1种群初始化
4.2.2运行参数的设定
4.3仿真结果
4.3.1训练过程
4.3.2测试结果
4.4本章小结
第五章改进的粒子群算法及仿真研究
5.1 PSO算法的收敛性分析
5.2 PSO算法的改进
5.2.1惯性权值的改进
5.2.2学习因子的改进
5.3改进粒子群算法的仿真结果
5.3.1训练过程
5.3.2测试结果
5.4本章小结
第六章总结与展望
6.1本文总结
6.2展望
参考文献
发表论文和参加科研情况说明
致谢