多维粒子群优化在机器学习与模式识别中的应用PDF电子书下载

第1章 绪论 1

1.1 最优化历史发展 2

1.2 核心问题 4

1.3 本书内容简介 7

参考文献 10

第2章 最优化技术概述 12

2.1 最优化技术的历史 12

2.2 确定性分析方法 29

2.2.1 梯度下降法 30

2.2.2 牛顿-拉普森迭代法 31

2.2.3 Nelder-Mead搜索方法 32

2.3 随机方法 33

2.3.1 模拟退火算法 33

2.3.2 随机逼近方法 36

2.4 进化算法 37

2.4.1 遗传算法 37

2.4.2 差分进化算法 40

参考文献 43

第3章 粒子群优化算法 45

3.1 引言 45

3.2 基本粒子群优化算法 47

3.3 粒子群优化算法的一些变体形式 50

3.3.1 部落 52

3.3.2 多群 53

3.4 应用领域 55

3.4.1 非线性函数最小化 56

3.4.2 数据聚类 57

3.4.3 人工神经网络 62

3.5 程序注解与软件开发包 75

参考文献 81

第4章 多维粒子群优化算法 86

4.1 多维度研究的需要 86

4.2 基本思想 88

4.3 多维粒子群优化算法 90

4.4 程序注解与软件包 95

4.4.1 PSO-MDlib应用程序中的多维粒子群优化操作 95

4.4.2 PSOTestApp应用程序中的多维粒子群优化操作 97

参考文献 104

第5章 改进全局收敛性 105

5.1 分形全局最优构建 106

5.1.1 研究动机 106

5.1.2 基于FGBF的粒子群优化 107

5.1.3 基于FGBF的多维粒子群优化 108

5.1.4 非线性函数最小化 109

5.2 动态环境的最优化方法 122

5.2.1 动态环境：试验台 122

5.2.2 多群粒子群优化 123

5.2.3 基于FGBF的移动峰问题的移动峰基准 124

5.2.4 多维移动峰函数的优化 125

5.2.5 常规移动峰函数性能评估 126

5.2.6 多维移动峰函数性能评估 130

5.3 谁将指导指南 134

5.3.1 随机扰动同时逼近方法概述 136

5.3.2 同时逼近驱动的粒子群优化和多维粒子群优化算法 137

5.3.3 非线性函数最小化的应用 142

5.4 回顾与总结 147

5.5 程序注解与软件包 149

5.5.1 FGBF在PSO-MDlib应用程序中的操作 149

5.5.2 分形全局最优构建多维粒子优化在MPB中的应用 152

参考文献 155

第6章 动态数据聚类 159

6.1 基于分形全局最优构建的多维粒子群优化方法在动态数据聚类中的应用 160

6.1.1 理论 160

6.1.2 二维综合数据集的结果 163

6.1.3 回顾与总结 167

6.2 主色提取 168

6.2.1 研究动机 168

6.2.2 HSV-HSL颜色域模糊模型 170

6.2.3 主色提取结果 172

6.2.4 回顾与总结 177

6.3 随机逼近驱动的多维粒子群优化的动态数据聚类 179

6.3.1 基于随机逼近驱动的多维粒子群优化的二维数据集动态数据聚类 179

6.3.2 总结与回顾 183

6.4 程序注解与软件包 184

6.4.1 二维聚类的分形全局最优构建操作 184

6.4.2 主色提取在PSOTestApp应用程序中的应用 193

6.4.3 同时逼近驱动在PSOTestApp应用程序中的操作 195

参考文献 199

第7章 进化人工神经网络 201

7.1 人工神经网络优化算法的综述 202

7.2 基于多维粒子群优化的进化神经网络 204

7.2.1 人工神经网络粒子群优化算法：早期尝试 204

7.2.2 基于多维粒子群优化的进化神经网络 205

7.2.3 合成问题的分类结果 207

7.2.4 医疗诊断的分类结果 214

7.2.5 参数敏感性和计算复杂性分析 217

7.3 适于极化合成孔径雷达图的进化径向基函数分级器 219

7.3.1 极化合成孔径雷达数据处理 221

7.3.2 合成孔径雷达分类结构 223

7.3.3 测定合成孔径雷达分类结果 225

7.4 总结 231

7.5 编程语言和软件包 232

参考文献 245

第8章 个体心电图分类 252

8.1 基于进化神经网络的心电图分类 254

8.1.1 简介与研究动机 254

8.1.2 心电图数据处理 256

8.1.3 实验结果 260

8.2 动态心电图记录的分类 265

8.2.1 研究概况 266

8.2.2 个体长期心电图分类：系统性的方法 267

8.2.3 实验结果 271

8.3 回顾与总结 274

8.4 程序注解与软件包 276

参考文献 278

第9章 基于两类分类器集合网络的图像分类与检索 282

9.1 基于内容的图像检索的发展概况 283

9.2 基于内容的图像分类和检索框架 285

9.2.1 框架概览 286

9.2.2 结构空间的进化更新 287

9.2.3 基于两类分类器集合网络的分类器框架 288

9.3 结果与讨论 293

9.3.1 数据库创建与特征提取 294

9.3.2 分类结果 294

9.3.3 CBIR结果 301

9.4 回顾与总结 304

9.5 程序注解与软件包 304

参考文献 322

第10章 演进特征的综合 324

10.1 引言 325

10.2 特征综合与选择概述 326

10.3 演进特征合成框架 328

10.3.1 研究动机 328

10.3.2 演进特征合成框架 330

10.4 仿真结果与讨论 335

10.4.1 判别与分类的性能评估 336

10.4.2 基于内容的图像检索的比较性能评估 338

10.5 程序注解与软件包 344

参考文献 354