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