多目标粒度支持向量机理论及其应用PDF电子书下载

第1章 多目标演化算法 1

1.1多目标优化问题描述 2

1.2多目标优化问题的一般求解方法 3

1.2.1多目标演化算法的多样性保持策略 6

1.2.2多目标演化算法的收敛性度量 8

1.2.3多目标演化算法的多样性度量 8

参考文献 9

第2章 基于层次聚类的多目标演化算法 14

2.1个体的适应值 15

2.2个体间的相似度 15

2.3层次聚类模型 17

2.4子种群之间的个体迁移策略 20

2.5基于层次聚类的多目标演化算法 23

2.6数值实验分析 30

参考文献 56

第3章 多目标演化算法的自适应多样性保持策略 57

3.1传统多目标演化算法的多样性保持策略 57

3.1.1 NSGAII算法的多样性保持策略 57

3.1.2 SPEA算法的多样性保持策略 59

3.1.3 SPEA2算法的多样性保持策略 59

3.2自适应多样性保持策略 60

3.2.1分阶段多样性保持策略 61

3.2.2基于插值的多样性保持策略 62

3.2.3基于精度搜索的混合精英保持策略 70

3.3数值实验分析 73

3.3.1结果分析 74

3.3.2统计分析 83

3.3.3总结分析 84

参考文献 84

第4章 模糊集 86

4.1模糊集的表述方法 87

4.2隶属度函数的确定方法 91

4.2.1确定隶属度函数的注意事项 91

4.2.2确定隶属度函数的几种主要方法 92

4.2.3常见的模糊分布 96

4.3模糊集合的运算 105

4.4贴近度与模式识别 108

4.5模糊集合的模糊性度量 108

4.5.1海明距离 109

4.5.2欧几里得距离 110

4.5.3其他的距离 110

4.6关系与映射 110

4.6.1关系及其性质 111

4.6.2关系的合成 113

4.6.3关系的闭包运算 116

4.6.4映射的定义 118

4.7模糊关系与模糊关系矩阵 119

4.7.1模糊关系 119

4.7.2模糊关系矩阵 120

参考文献 121

第5章 粒计算代数系统 123

5.1引言 123

5.2向量空间的代数系统 124

5.3超盒粒空间的代数系统 125

5.3.1超盒粒的两点表示法 125

5.3.2超盒粒之间的运算 125

5.3.3超盒粒之间的模糊包含关系 127

5.3.4超盒粒代数系统的性质 127

5.4超盒粒的模糊格代数系统 128

5.4.1构造超盒粒集 128

5.4.2设计超盒粒之间的算子 129

5.4.3建立超盒粒之间的模糊包含关系 131

5.4.4构造超盒粒的模糊格代数系统 133

5.5基于模糊格的超盒粒计算分类器 134

5.5.1超盒粒之间的有条件合并 134

5.5.2基于模糊格的超盒粒计算分类器 136

5.5.3数值实验 137

5.6本章小结 142

参考文献 142

第6章 基于模糊格的粒计算 144

6.1格计算 146

6.2模糊格 149

6.3高维空间上的格 150

6.4区间格 151

6.5基于模糊格的超盒粒计算分类算法 152

6.5.1超盒粒的两点表示法 153

6.5.2包含度函数 153

6.5.3超盒粒之间的有条件合并 156

6.5.4基于模糊格的超盒粒计算分类算法 158

6.5.5数值实验 159

6.6基于模糊格的超球粒分类算法 164

6.6.1超球粒的单点表示法 164

6.6.2超球粒之间的模糊包含度函数 164

6.6.3超球粒的有条件合并 168

6.6.4基于模糊格的超球粒计算分类算法 169

6.6.5数值实验 170

6.7本章小结 173

参考文献 174

第7章 多目标粒计算 177

7.1多目标演化算法 177

7.1.1 NSGAII算法 180

7.1.2 SPEA2算法 181

7.2基于多目标优化的超盒粒计算 185

7.2.1多目标超盒粒计算模型 186

7.2.2种群的初始化 186

7.2.3个体之间的演化操作 187

7.2.4基于重要度的个体优劣比较 190

7.2.5基于多目标优化的超盒粒计算 191

7.2.6算法的性能评价 193

7.3数值实验 193

7.4本章小结 199

参考文献 200

第8章 粒度支持向量机 202

8.1统计学习基本理论简介 203

8.2支持向量机 206

8.3模糊支持向量机 212

8.3.1两类问题模糊支持向量机 213

8.3.2多类问题模糊支持向量机 214

8.4基于数据贡献度的粒度模糊支持向量机 214

8.4.1基于贡献度的两类问题粒度模糊支持向量机 215

8.4.2多类问题粒度模糊支持向量机 217

8.4.3数值实验 218

8.5基于粗糙集边界的粒度模糊支持向量机 220

8.5.1粗糙集理论简介 221

8.5.2训练集的粒化过程 223

8.5.3基于粗糙集边界的粒度模糊支持向量机 225

8.5.4数值实验 225

8.6基于属性集粒化的粒度模糊支持向量机 227

8.6.1基于重要度的属性约简 228

8.6.2属性集的粒化方法 229

8.6.3基于属性集粒化的粒度模糊支持向量机 230

8.6.4数值实验 231

8.7本章小结 233

参考文献 233

第9章 粒计算在WSN节点定位中的应用 236

9.1节点之间通信量的估计 238

9.1.1接收信号强度 238

9.1.2信号到达时间 238

9.2节点的定位技术 238

9.2.1映射技术 239

9.2.2统计定位算法 239

9.3基于粒计算的传感器节点定位算法 240

9.3.1 WSN的结构 240

9.3.2定位区域的网格化 242

9.3.3粒计算定位算法 242

9.3.4定位算法的精度分析 243

9.3.5数值仿真实验 244

9.4本章小结 246

参考文献 246

第10章 总结与展望 248

10.1研究工作总结 248

10.2研究工作展望 251