幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

雜交水稻優化演算法及其在機器學習優化中的應用

  • 作者：葉志偉//王明威//周雯|責編:楊昕//戴薇
  • 出版社：科學
  • ISBN：9787030781680
  • 出版日期：2024/03/01
  • 裝幀：平裝
  • 頁數：189
人民幣：RMB 125 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    自然計算，通常是一類具有自適應、自組織、自學習能力的模型與演算法，能夠解決傳統計算方法難以解決的各種複雜問題，是電腦科學與人工智慧領域中重要的研究內容之一。遺傳演算法等經典自然計算方法從誕生至今已經各自演變成相對獨立的人工智慧研究領域，半個多世紀以來不斷得到改進，衍生出眾多新方法，並且在不同的科學和工程領域得到了成功的應用。
    雜種優勢是遺傳基礎不同的兩個親本雜交產生的雜種在某些性狀上優於其親本的生物學現象。根據雜種優勢的原理，通過育種手段的改進和創新，可以使產品獲得顯著增長。受雜交優勢理論和著名三系法雜交水稻育種技術的啟發，著者團隊提出了一種新型的自然計算方法——雜交水稻優化演算法，並將其用於部分經典機器學習演算法優化問題求解，以獲得性能更為優良的演算法。
    本書可作為電腦科學與技術相關專業研究生及高年級本科生的教材，也可作為相關科研人員的參考書。
作者介紹
葉志偉//王明威//周雯|責編:楊昕//戴薇
目錄
第1章  智能優化演算法與機器學習
  1.1  研究背景
  1.2  國內外研究現狀
    1.2.1  智能優化演算法在聚類分析中的應用
    1.2.2  智能優化演算法在常用分類器參數優化中的應用
    1.2.3  智能優化演算法在特徵權重優化中的應用
    1.2.4  智能優化演算法在特徵選擇中的應用
    1.2.5  智能優化演算法在機器學習超參數優化中的應用
  參考文獻
第2章  雜交水稻優化演算法概述
  2.1  研究動機
  2.2  雜種優勢與雜交水稻優化演算法
  2.3  雜交水稻優化演算法基本原理
    2.3.1  三系法雜交水稻簡介
    2.3.2  雜交水稻優化演算法設計基本思路
    2.3.3  三系法雜交水稻優化演算法的實現步驟
  2.4  實驗模擬與分析
  2.5  本章小結
  參考文獻
第3章  基於種群劃分改進的雜交水稻優化演算法
  3.1  改進雜交水稻優化演算法的基本思路
  3.2  改進雜交水稻優化演算法的基準測試及分析
    3.2.1  測試函數及其說明
    3.2.2  實驗模擬與分析
  3.3  本章小結
  參考文獻
第4章  基於非支配排序的多目標雜交水稻優化演算法
  4.1  多目標優化概述
    4.1.1  多目標優化問題的數學描述
    4.1.2  多目標優化問題中的非支配解
  4.2  多目標雜交水稻優化演算法運行流程
  4.3  多目標雜交水稻優化演算法的編碼與實現
  4.4  多目標雜交水稻優化演算法的尋優性能測試及分析
    4.4.1  測試函數及其說明
    4.4.2  實驗模擬與分析
  4.5  本章小結
  參考文獻
第5章  基於改進雜交水稻優化演算法的聚類方法
  5.1  聚類演算法概述
    5.1.1  聚類問題描述
    5.1.2  聚類演算法的有效性指標
  5.2  基於改進雜交水稻優化演算法的模糊C-means聚類方法
  5.3  基於改進雜交水稻優化演算法的聚類演算法性能測試及分析
    5.3.1  實驗說明
    5.3.2  公共數據集實驗結果及其分析
    5.3.3  遙感圖像數據集聚類實驗及分析
  5.4  本章小結
  參考文獻
第6章  基於多目標雜交水稻優化演算法的聚類方法
  6.1  基於多目標雜交水稻優化的聚類方法

    6.1.1  多目標雜交水稻優化演算法聚類的基本思想
    6.1.2  尋優結果的最終解選取策略
  6.2  多目標雜交水稻優化聚類方法的實驗及性能分析
    6.2.1  實驗說明
    6.2.2  公共數據集實驗結果及其分析
    6.2.3  遙感圖像數據集聚類實驗及分析
  6.3  本章小結
  參考文獻
第7章  基於雜交水稻優化演算法的特徵權重優化
  7.1  分類器權重優化方法概述
  7.2  基於雜交水稻優化演算法加權的KNN分類器
    7.2.1  KNN分類器的特徵權重優化原理
    7.2.2  基於雜交水稻優化演算法WKNN分類演算法
    7.2.3  實驗模擬與分析
  7.3  基於雜交水稻優化演算法加權的樸素貝葉斯分類器
    7.3.1  基於樸素貝葉斯分類器的特徵權重優化原理
    7.3.2  基於雜交水稻優化演算法加權的樸素貝葉斯分類器
    7.3.3  實驗模擬與分析
  7.4  本章小結
  參考文獻
第8章  雜交水稻優化演算法混合蟻群優化的特徵選擇
  8.1  特徵選擇概述
    8.1.1  特徵選擇框架
    8.1.2  特徵選擇分類
    8.1.3  特徵相關性度量及分析
    8.1.4  特徵相關性計算
  8.2  改進蟻群優化演算法
    8.2.1  並行模型
    8.2.2  串列模型
  8.3  基於特徵相關性和改進蟻群優化演算法的特徵選擇
    8.3.1  啟發因子設置
    8.3.2  特徵選擇適應度函數
    8.3.3  特徵選擇流程
  8.4  實驗模擬與分析
    8.4.1  實驗環境介紹
    8.4.2  特徵相關性實驗結果分析
    8.4.3  對比演算法的特徵選擇實驗結果分析
  8.5  本章小結
  參考文獻
第9章  基於雜交水稻優化演算法的紋理特徵描述
  9.1  常用遙感圖像紋理特徵概述
  9.2  基於萊維飛行改進的雜交水稻優化演算法
    9.2.1  萊維飛行基本原理
    9.2.2  基於萊維飛行機制改進雜交水稻優化演算法的具體步驟
  9.3  基於改進雜交水稻優化演算法優化的Tuned模板
    9.3.1  Tuned模板紋理特徵概述
    9.3.2  基於改進雜交水稻優化演算法的Tuned模板訓練
    9.3.3  實驗模擬與分析
  9.4  本章小結
  參考文獻

第10章  基於雜交水稻優化演算法優化支持向量機的圖像分類
  10.1  支持向量機概述
  10.2  基於改進雜交水稻優化演算法的支持向量機
    10.2.1  提出的支持向量機參數優化方法
    10.2.2  實驗模擬與分析
  10.3  基於改進雜交水稻演算法的支持向量機整體優化
    10.3.1  支持向量機整體優化
    10.3.2  支持向量機整體優化方法
    10.3.3  實驗模擬與分析
  10.4  本章小結
  參考文獻
第11章  基於改進雜交水稻優化演算法的膠囊網路優化
  11.1  膠囊網路概述
    11.1.1  膠囊網路基本概念
    11.1.2  膠囊網路結構
  11.2  基於改進雜交水稻優化演算法的膠囊網路優化方法
    11.2.1  基於遺傳搜索改進的雜交水稻優化演算法
    11.2.2  基於遺傳搜索雜交水稻優化演算法的膠囊網路結構編碼
    11.2.3  基於遺傳搜索雜交水稻優化演算法的膠囊網路演算法步驟
  11.3  實驗模擬與分析
    11.3.1  實驗環境
    11.3.2  參數設置
    11.3.3  實驗結果與分析
  11.4  本章小結
  參考文獻
附表  多目標基準測試函數

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032