《MATLAB优化算法案例分析与应用_进阶篇》PDF下载

  • 购买积分:20 如何计算积分?
  • 作  者:余胜威编著
  • 出 版 社:
  • 出版年份:2015
  • ISBN:
  • 页数:0 页
图书介绍:

第1篇 MATLAB常用算法应用设计 2

第1章 基于贝叶斯分类器的数据处理与MATLAB实现 2

1.1 贝叶斯理论 2

1.2 高斯概率密度函数 3

1.3 最小距离分类器 8

1.3.1 欧氏距离分类器 8

1.3.2 马氏距离分类器 8

1.3.3 基于高斯概率密度函数的最大似然估计 10

1.4 混合概率分布 13

1.5 期望最大化算法 17

1.6 Parzen窗 30

1.7 K最近邻密度估计法 31

1.8 朴素贝叶斯分类器 34

1.9 最近邻分类原则 36

1.10 本章小结 37

第2章 基于背景差分的运动目标检测与MATLAB实现 38

2.1 运动目标检测的一般过程 38

2.1.1 手动背景法 38

2.1.2 统计中值法 39

2.1.3 算术平均法 39

2.2 运动目标检测的一般方法 41

2.2.1 帧间差法运动目标检测 41

2.2.2 背景差法运动目标检测 43

2.3 本章小结 45

第3章 基于小波变换的图像压缩与MATLAB实现 46

3.1 小波变换原理 46

3.2 多尺度分析 47

3.3 图像的分解和量化 48

3.3.1 一维小波变换 48

3.3.2 二维变换体系 49

3.3.3 量化 49

3.4 图像压缩编码 50

3.4.1 图像编码评价 51

3.4.2 压缩比准则 52

3.5 图像压缩与MATLAB实现 52

3.6 本章小结 60

第4章 基于BP的模型优化预测与MATLAB实现 61

4.1 BP神经网络模型及其基本原理 61

4.2 MATLAB BP神经网络工具箱 62

4.3 基于BP神经网络的PID参数整定 64

4.3.1 理论分析 64

4.3.2 算法流程 67

4.3.3 算法仿真 68

4.4 基于BP神经网络的数字识别系统设计 72

4.5 本章小结 76

第5章 基于RLS算法的数据预测与MATLAB实现 77

5.1 递归最小二乘(RLS)算法应用背景 77

5.2 RLS算法基本原理与流程 78

5.2.1 RLS算法基本原理 78

5.2.2 RLS算法流程 79

5.3 RLS数据线性预测分析与MATLAB实现 80

5.4 本章小结 83

第6章 基于GA优化的BP网络算法分析与MATLAB实现 84

6.1 遗传算法 84

6.2 BP神经网络 85

6.3 基于GA优化的BP神经网络的大脑灰白质图像分割 85

6.4 基于GA优化的BP神经网络的矿井通风量计算 98

6.4.1 某工作面最优通风量分析 101

6.4.2 总回风巷最优通风量分析 113

6.5 本章小结 124

第7章 分形维数应用与MATLAB实现 125

7.1 分形盒维数概述 125

7.2 二维图像分形盒维数分析 126

7.3 基于短时分形维数的语音信号检测 127

7.3.1 时间序列信号图形的网格分形 127

7.3.2 噪声语音信号的短时网格分形 128

7.4 本章小结 132

第8章 碳排放约束下的煤炭消费量优化预测 133

8.1 煤炭消费量概述 133

8.2 煤炭影响因素分析 135

8.3 煤炭消耗量优化预测模型构建 136

8.3.1 CO2排放强度的双立方插值拟合 136

8.3.2 煤炭、石油和天然气与CO2排放强度回归模型构建 137

8.3.3 煤炭、石油和天然气碳排放系数构建 140

8.3.4 节能减排和经济发展优化目标构建与求解 141

8.4 本章小结 145

第9章 焊缝边缘检测算法对比分析与MATLAB实现 146

9.1 焊缝边缘检测研究 146

9.2 图像预处理技术 147

9.3 焊缝图像边缘检测 149

9.3.1 Sobel算子 149

9.3.2 Prewitt算子 151

9.3.3 Canny算子 152

9.3.4 形态学处理 155

9.3.5 边缘检测效果对比 156

9.4 本章小结 158

第10章 指纹图像细节特征提取与MATLAB实现 159

10.1 指纹识别技术概述 159

10.2 指纹识别系统的工作原理 159

10.3 指纹细节特征的提取 160

10.3.1 指纹特征提取的方法 160

10.3.2 指纹图像的细化后处理 161

10.3.3 特征点的提取 162

10.3.4 指纹特征的去伪 163

10.4 指纹图像去伪与MATLAB实现 163

10.5 本章小结 168

第11章 基于多元回归模型的矿井通风量计算 169

11.1 矿井通风量概述 169

11.2 矿井通风量回归模型分析 169

11.3 通风量多元回归分析 170

11.3.1 数据的预处理 170

11.3.2 瓦斯、煤尘、温度、湿度与通风量模型的建立 173

11.4 矿井最优通风风量有效性分析 175

11.4.1 空气中煤尘浓度与风速映射关系建模 175

11.4.2 空气中瓦斯浓度与风速映射关系建模 176

11.4.3 矿井中温湿度与风速映射关系建模 177

11.5 预测模型误差检验 178

11.6 本章小结 180

第12章 基于非线性多混合拟合模型的植被过滤带计算 181

12.1 植被试验场概况 181

12.2 试验方法 182

12.2.1 试验参数 182

12.2.2 土样的分析方法 182

12.2.3 水样的分析方法 183

12.3 植被过滤带净化效果评价方法 183

12.4 植被过滤带净化效果影响因素分析 184

12.4.1 植被条件对植被过滤带净化效果的影响 184

12.4.2 入流水文条件对植被过滤带净化效果的影响 185

12.4.3 带宽对植被过滤带净化效果的影响 185

12.4.4 坡度对植被过滤带净化效果的影响 186

12.4.5 入流污染物浓度对植被过滤带净化效果的影响 187

12.4.6 土壤初始含水量对植被过滤带净化效果的影响 188

12.5 植被过滤带净化效果关联度计算 188

12.6 基于非线性多混合拟合模型的浓度削减率计算 191

12.7 本章小结 197

第13章 基于伊藤微分方程的布朗运动分析 198

13.1 随机微分方程数学模型 198

13.1.1 布朗运动概述 198

13.1.2 布朗运动的数学模型 199

13.2 布朗运动的随机微分方程 199

13.2.1 随机微分方程 200

13.2.2 随机微分方程系数 200

13.3 伊藤微分方程及伊藤微分法则 201

13.3.1 伊藤微分方程 201

13.3.2 伊藤积分 201

13.3.3 伊藤过程 201

13.3.4 伊藤随机微分方程的解析解 202

13.3.5 伊藤随机微分方程的数值解 202

13.4 数值布朗运动模拟与MATLAB实现 203

13.4.1 布朗运动的模拟 203

13.4.2 几何布朗运动的模拟 204

13.4.3 伊藤微分方程的布朗运动模拟 205

13.5 本章小结 206

第14章 基于Q学习的无线体域网路由方法 207

14.1 无线体域网研究背景 207

14.2 无线体域网性能分析 208

14.2.1 无线体域网系统结构 209

14.2.2 无线体域网的主要特点 209

14.3 无线体域网路由协议 210

14.3.1 无线路由协议 210

14.3.2 高效节能路由协议 210

14.3.3 DSR路由协议 212

14.4 基于Q学习的无线体域网路由方法 212

14.4.1 Agent增强学习算法 212

14.4.2 增强学习算法的基本原理 213

14.4.3 Q-learning增强学习算法 215

14.4.4 基于Q学习的无线体域网路由策略 216

14.4.5 WBAN路由分析与MATLAB实现 219

14.5 本章小结 234

第15章 基于遗传算法的公交排班系统分析 235

15.1 公交排班系统背景分析 235

15.2 公交线路模型仿真 236

15.2.1 车辆行驶模型 236

15.2.2 乘客上下车模型 236

15.3 遗传算法的发展与现状 240

15.4 遗传算法的基本思想 241

15.5 遗传算法的特点 242

15.6 遗传算法的应用步骤 242

15.7 公交排班问题模型设计 243

15.7.1 模型假设 243

15.7.2 定义变量 243

15.7.3 建立目标函数 244

15.7.4 算法结构 245

15.8 本章小结 253

第16章 人脸检测识别与MATLAB实现 254

16.1 人脸检测的意义 254

16.2 人脸检测常用的几个彩色空间 255

16.2.1 RGB彩色空间 255

16.2.2 标准化RGB彩色空间 255

16.2.3 HSV彩色空间 256

16.2.4 YCrCb彩色空间 259

16.3 静态肤色模型 261

16.3.1 RGB颜色空间分割 262

16.3.2 HSV颜色空间分割 263

16.3.3 YCbCr颜色空间分割 264

16.4 基于Lab颜色空间的人脸分割 266

16.5 运动人图像检测与MATLAB实现 267

16.6 本章小结 269

第2篇 MATLAB高级算法应用设计 272

第17章 基于改进的多算子融合的图像识别系统设计 272

17.1 图像处理研究内容 272

17.2 图像处理的特点 274

17.3 图像数字化 275

17.4 Gabor滤波 276

17.5 直方图增强 278

17.6 图像边缘概述 279

17.7 图像边缘分割模块 280

17.7.1 Sobel算子 280

17.7.2 Prewitt算子 282

17.7.3 Canny算子 283

17.7.4 Roberts算子 284

17.7.5 Laplacian算子 286

17.7.6 kirsch方向算子 288

17.7.7 多算子融合 291

17.8 足迹图像识别系统 293

17.9 本章小结 297

第18章 基于罚函数的粒子群算法的函数寻优 298

18.1 粒子群算法概述 298

18.2 粒子群算法模型 299

18.3 罚函数法 299

18.4 汽车动力传动参数优化设计 300

18.4.1 汽车动力性评价 300

18.4.2 汽车燃油经济性评价 301

18.4.3 汽车动力性与燃油经济性的综合评价 301

18.4.4 目标函数与约束条件分析 302

18.4.5 基于罚函数的PSO算法与MATLAB实现 304

18.5 本章小结 310

第19章 车载自组织网络中路边性能及防碰撞算法研究 311

19.1 车载自组织网络概述 311

19.2 车载自组织网络特征 312

19.3 VANET网路架构 314

19.3.1 车路通信(RVC) 315

19.3.2 车间通信(IVC) 315

19.3.3 混合通信(HVC) 318

19.4 车辆自组织网络的管理问题 318

19.5 车载自组织网络的连通性 319

19.5.1 无线网络连通性 319

19.5.2 车载自组织网络连通性 320

19.6 车载网络路边性能分析 321

19.6.1 随机模型 321

19.6.2 流动模型 322

19.6.3 交通模型 322

19.6.4 基于轨迹模型 322

19.7 Kruskal算法 322

19.8 Dijkstra算法 323

19.9 车路通信 324

19.10 车间通信 331

19.11 单路边性能分析 335

19.12 双路边性能分析 338

19.13 车载自组织网络中防碰撞研究 342

19.13.1 换道模型分析 342

19.13.2 十字路口分析 342

19.13.3 高速车辆防碰撞动态仿真 346

19.13.4 城市车载网络防碰撞仿真 351

19.14 本章小结 357

第20章 基于免疫算法的数值逼近优化分析 358

20.1 免疫算法应用分析 358

20.2 人工免疫算法的基本原理 359

20.2.1 多样度 360

20.2.2 相似度 360

20.2.3 抗体浓度 360

20.2.4 聚合适应度 360

20.3 人工免疫算法的基本步骤 361

20.4 人工免疫算法的收敛性分析 362

20.5 人工免疫算法和遗传算法比较 363

20.6 人工免疫算法MATLAB实现 363

20.7 本章小结 369

第21章 基于启发式算法的函数优化分析 370

21.1 启发式搜索算法概述 370

21.2 群智能优化算法 371

21.2.1 粒子群算法PSO 371

21.2.2 遗传算法GA 371

21.2.3 人群搜索算法SOA 371

21.2.4 模拟退火算法SA 371

21.2.5 蚁群算法ACO 372

21.2.6 鱼群算法FSA 372

21.3 APSO算法原理分析 372

21.4 APSO函数优化分析与MATLAB实现 374

21.5 本章小结 379

第22章 一级倒立摆变结构控制系统的设计与仿真研究 380

22.1 倒立摆控制概述 380

22.2 滑模变结构控制理论概述 381

22.3 变结构控制理论的发展及现状 381

22.4 滑模变结构控制定义 382

22.5 滑模控制的基本原理与性质 383

22.5.1 滑动模态的存在条件 383

22.5.2 滑动模态的到达条件 383

22.5.3 滑模控制系统的匹配条件及不变性 384

22.5.4 滑模控制器设计的基本方法 385

22.6 基于趋近率的滑模控制器仿真 385

22.7 倒立摆模型分析 389

22.8 倒立摆状态空间 391

22.9 倒立摆变量空间的θ化 393

22.10 倒立摆系统PID控制 396

22.10.1 PID参数整定 397

22.10.2 基于PID的一级倒立摆控制仿真 398

22.11 倒立摆滑模控制 400

22.12 本章小结 407

第23章 基于蚁群算法的函数优化分析 409

23.1 蚁群算法概述 409

23.2 蚁群算法的性能分析 410

23.3 蚁群算法的工作原理 411

23.4 基于蚁群算法的函数优化问题分析 412

23.4.1 函数优化问题 412

23.4.2 蚁群算法基本思想 413

23.5 函数优化分析与MATLAB实现 413

23.6 本章小结 418

第24章 基于引力搜索算法的函数优化分析 419

24.1 万有引力搜索算法的介绍与分析 419

24.1.1 万有引力定理 419

24.1.2 GSA算法描述 421

24.1.3 惯性质量计算 421

24.1.4 引力计算 421

24.1.5 位置更新 422

24.1.6 参数分析 422

24.2 万有引力算法收敛性分析 423

24.3 万有引力算法实现流程 424

24.4 万有引力算法函数优化分析与MATLAB实现 425

24.5 本章小结 434

第25章 基于细菌觅食算法的函数优化分析 435

25.1 细菌觅食算法概述 435

25.2 细菌觅食算法与其他生物智能算法的对比 436

25.3 标准细菌觅食优化算法 437

25.3.1 大肠杆菌的觅食行为 437

25.3.2 BFO算法基本原理 438

25.3.3 趋向性操作(Chemotaxis) 439

25.3.4 聚集性操作(Swarming) 439

25.3.5 复制性操作(Reproduction) 440

25.3.6 迁徙性操作(Elimination and Dispersal) 440

25.4 BFO算法流程 440

25.5 BFO算法参数选取 442

25.5.1 种群大小S 442

25.5.2 游动步长C 443

25.5.3 引力深度dattractant、引力宽度wattractant、斥力高度hrepellant和斥力宽度wrepellant 443

25.5.4 趋向性操作中的次数Nc和Ns 443

25.5.5 复制操作执行的次数Nre 443

25.5.6 迁徙操作中的两个参数Ned和Ped 444

25.6 细菌觅食优化算法函数优化分析与MATLAB实现 444

25.7 细菌觅食优化算法深入探讨 450

25.7.1 趋向性操作的分析与改进 450

25.7.2 复制性操作的分析与改进 451

25.7.3 迁徙性操作的分析与改进 452

25.8 本章小结 452

第26章 基于匈牙利算法的指派问题优化分析 453

26.1 匈牙利算法 453

26.2 匈牙利算法计算实例步骤 454

26.3 指派问题的数学模型 455

26.4 本章小结 461

第27章 基于人工蜂群算法的函数优化分析 462

27.1 人工蜂群算法概述 462

27.2 蜜蜂采蜜机理 462

27.3 算法原理 464

27.4 ABC算法流程 466

27.5 人工蜂群算法函数优化与MATLAB实现 466

27.6 人工蜂群算法ABC探讨 474

27.6.1 基于最优解指导的人工蜂群算法 474

27.6.2 混合人工蜂群算法 475

27.7 本章小结 475

第28章 基于改进的遗传算法的城市交通信号优化分析 476

28.1 遗传算法基本理论 476

28.1.1 遗传算法简介 476

28.1.2 遗传算法的基本原理 477

28.1.3 遗传算法的特点 478

28.2 基本遗传算法的工作流程 478

28.3 遗传算法的基本要素 479

28.3.1 编码问题 479

28.3.2 适应度函数 481

28.3.3 选择算子 482

28.3.4 交叉算子 483

28.3.5 变异算子 484

28.3.6 控制参数的选择 485

28.3.7 约束条件处理 486

28.4 遗传算法的模式定理 486

28.5 遗传算法的改进 487

28.5.1 适应度值标定 488

28.5.2 改进的自适应交叉变异率 488

28.6 基于改进遗传算法的道路交通信号优化 490

28.6.1 城市交通信号控制优化问题分析 490

28.6.2 以车辆平均延误时间最小为目标的单交叉路口优化配时 491

28.6.3 非线性模型的建立 491

28.6.4 仿真分析 493

28.7 本章小结 505

第29章 基于差分进化算法的函数优化分析 506

29.1 差分进化算法概述 506

29.2 差分进化算法的基本原理 507

29.3 差分进化算法的受控参数 510

29.4 基于DE算法的函数优化与MATLAB实现 511

29.5 差分进化算法的改进 515

29.5.1 进化模式的改进 515

29.5.2 控制参数的选取和优化 516

29.5.3 差分进化算法与其他算法的结合 517

29.6 本章小结 518

第30章 基于鱼群算法的函数优化分析 519

30.1 人工鱼群算法的生物学基础 519

30.1.1 鱼类的感觉 519

30.1.2 鱼类的几种主要行为 519

30.2 鱼群的概念 521

30.3 鱼群算法的基本思想 522

30.4 人工鱼模型 523

30.4.1 觅食行为 523

30.4.2 聚群行为 524

30.4.3 追尾行为 524

30.4.4 随机行为 525

30.4.5 约束行为 525

30.4.6 公告板 525

30.4.7 移动策略 525

30.5 人工鱼群算法的特点及流程 526

30.6 基于鱼群算法的函数寻优及MATLAB实现 527

30.7 人工鱼群算法的改进分析 532

30.7.1 非线性动态调整视野和步长 532

30.7.2 对觅食行为的改进 532

30.8 本章小结 533

参考文献 534