摘要5-7
Abstract7-14
第一章 绪论14-20
1.1 探讨背景14-17
1.1.1 优化14-15
1.1.2 遗传算法(GA)15-16
1.1.3 中文分词16-17
1.2 本论文主要探讨内容及革新17-18
1.3 本论文结构18-20
第二章 探讨基础20-32
2.1 引言20-21
2.2 人工神经网络(ANN)21-24
2.2.1 基本原理21-23
2.2.2 神经网络学习和泛化23-24
2.3 BP神经网络24-26
2.3.1 BP神经网络介绍24-25
2.3.2 BP算法的缺陷25-26
2.4 基于神经网络(ANN)的中文分词模型26-31
2.4.1 中文分词的形式化描述26-27
2.4.2 基于神经网络(ANN)的中文分词模型27-31
2.5 本章小结31-32
第三章 改善的基于遗传算法的粒子群优化算法32-60
3.1 引言32-33
3.2 粒子群优化算法的基本原理33-38
3.2.1 算法概述33-35
3.2.2 算法流程35
3.2.3 算法参数35-38
3.3 粒子群算法在神经网络中的运用38-39
3.4 粒子群算法与遗传算法39-43
3.4.1 两种算法的比较39-41
3.4.2 两种算法的结合41-43
3.5 改善的GA-PSO算法43-53
3.5.1 算法描述43-45
3.5.2 在神经网络中的运用45-49
3.5.3 实验及结果浅析49-53
3.6 基于GA-PSO算法优化的神经网络在中文分词中的运用53-59
3.7 本章小结59-60
第四章 基于模糊 C-均值聚类算法的 PSO 算法(FPSO)60-80
4.1 引言60
4.2 模糊聚类60-62
4.2.1 模糊 C-均值聚类61-62
4.3 FPSO 算法62-71
4.3.1 算法描述62-64
4.3.2 算法收敛性浅析64-65
4.3.3 算法性能测试65-71
4.4 FPSO 算法在神经网络中的运用71-74
4.4.1 FPSO算法训练 BP 神经网络71
4.4.2 实验及结果浅析71-74
4.5 FPSO算法在中文分词中的运用74-78
4.6 本章小结78-80
第五章 免疫遗传算法80-87
5.1 引言80
5.2 遗传算法80-83
5.2.1 标准遗传算法80-81
5.2.2 遗传算法的数学原理81-82
5.2.3 实数编码的遗传算法82-83
5.3 免疫遗传算法83-84
5.4 基于疫苗接种的免疫遗传算法84-85
5.5 免疫遗传算法的运用85-86
5.6 本章小结86-87
第六章 改善的免疫遗传算法87-100
6.1 引言87
6.2 免疫疫苗提取算法87-89
6.2.1 基于聚类的疫苗提取87-89
6.3 疫苗接种及免疫选择89-90
6.4 精英抗体培养对策90-91
6.5 改善的基于疫苗接种的免疫遗传算法91-95
6.5.1 算法描述91-94
6.5.2 实验及结果浅析94-95
6.6 改善的免疫遗传算法在中文分词中的运用95-99
6.7 本章小结99-100
第七章 结束语100-103
致谢103-104