掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
目標跟蹤中的群智能優化方法 版權信息
- ISBN：9787121374708
- 條形碼：9787121374708 ; 978-7-121-37470-8
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
目標跟蹤中的群智能優化方法 本書特色
全書內容共分為9章，系統地介紹了群智能優化方法的發展及其在視頻目標跟蹤中的應用。全書分為基于標準群智能優化方法的目標跟蹤篇（包含第3-4章），基于改進群智能優化方法的目標跟蹤篇（包含第5-6章），基于混合群智能優化方法的目標跟蹤篇（包含第7-8章），以及群智能優化目標跟蹤方法比較分析（包含第9章）。第1章為緒論。第2章介紹了優化方法與目標跟蹤關系。第3章介紹了基于正余弦算法的目標跟蹤方法，第4章介紹了基于飛蛾-火焰算法的目標跟蹤方法。第5章討論了基于改進布谷鳥搜索算法的目標跟蹤方法。第6章給出了改進蚱蜢優化算法的目標跟蹤方法。第7章給出了基于混合EALO-SCA優化算法的目標跟蹤方法。第8章給出了基于混合AWOA-DE優化算法的目標跟蹤方法。第9章給出了基于優化的目標跟蹤方法實驗分析。
目標跟蹤中的群智能優化方法 內容簡介
全書內容共分為9章，系統地介紹了群智能優化方法的發展及其在視頻目標跟蹤中的應用。全書分為基于標準群智能優化方法的目標跟蹤篇（包含第3-4章），基于改進群智能優化方法的目標跟蹤篇（包含第5-6章），基于混合群智能優化方法的目標跟蹤篇（包含第7-8章），以及群智能優化目標跟蹤方法比較分析（包含第9章）。章為緒論。第2章介紹了優化方法與目標跟蹤關系。第3章介紹了基于正余弦算法的目標跟蹤方法，第4章介紹了基于飛蛾-火焰算法的目標跟蹤方法。第5章討論了基于改進布谷鳥搜索算法的目標跟蹤方法。第6章給出了改進蚱蜢優化算法的目標跟蹤方法。第7章給出了基于混合EALO-SCA優化算法的目標跟蹤方法。第8章給出了基于混合AWOA-DE優化算法的目標跟蹤方法。第9章給出了基于優化的目標跟蹤方法實驗分析。
目標跟蹤中的群智能優化方法 目錄
目 錄
第1章 緒論 1
1.1 研究背景和意義 1
1.2 國內外目標跟蹤研究現狀 2
1.2.1 國內外目標跟蹤方法綜述文獻概況 2
1.2.2 國內外目標跟蹤測試數據庫概述 3
1.2.3 國內外目標跟蹤方法概述 4
1.3 群優化算法在目標跟蹤中的應用 7
1.3.1 元啟發式優化算法 7
1.3.2 基于群優化算法的目標跟蹤方法 8
1.3.3 基于混合群優化算法的目標跟蹤方法 10
1.4 本書內容及安排 11
第2章 優化算法與目標跟蹤 13
2.1 優化問題與目標跟蹤 13
2.2 特征提取 14
2.3 相似函數 15
2.4 優化算法性能評估機制 16
2.4.1 收斂精度分析 16
2.4.2 收斂效率分析 17
2.5 目標跟蹤性能評估機制 17
2.5.1 定性評估 17
2.5.2 定量評估 17
第3章 基于SCA算法的目標跟蹤方法 19
3.1 引言 19
3.2 SCA算法原理 20
3.3 基于SCA算法的目標跟蹤 24
3.3.1 跟蹤框架 24
3.3.2 參數調整和分析 26
3.4 實驗分析 27
3.4.1 實驗設置 27
3.4.2 定性分析 27
3.4.3 定量分析 30
3.5 小結 34
第4章 基于飛蛾-火焰算法的目標跟蹤方法 35
4.1 引言 35
4.2 飛蛾-火焰算法 37
4.2.1 生物學原理 37
4.2.2 數學原理 38
4.3 基于飛蛾-火焰算法的目標跟蹤 46
4.3.1 跟蹤框架 46
4.3.2 參數調整和分析 47
4.4 實驗分析 49
4.4.1 定性分析 49
4.4.2 定量分析 52
4.4.3 平均運行時間 56
4.5 小結 56
第5章 基于改進布谷鳥搜索算法的目標跟蹤方法 58
5.1 引言 58
5.2 布谷鳥搜索算法 59
5.2.1 布谷鳥搜索算法介紹 59
5.2.2 布谷鳥搜索算法的數學原理 61
5.3 單純形法 63
5.4 改進布谷鳥搜索算法 64
5.5 基于改進布谷鳥搜索算法的目標跟蹤 66
5.6 實驗分析 66
5.6.1 實驗設置 66
5.6.2 定性分析 67
5.6.3 定量分析 70
5.7 小結 73
第6章 基于改進蚱蜢優化算法的目標跟蹤方法 74
6.1 引言 74
6.2 改進蚱蜢優化算法 74
6.2.1 蚱蜢優化算法 74
6.2.2 基于Levy飛行的蚱蜢優化算法 80
6.3 基于改進蚱蜢優化算法的目標跟蹤 81
6.3.1 基于LGOA算法的跟蹤系統 81
6.3.2 參數調整和分析 82
6.4 實驗分析 83
6.4.1 實驗設置 83
6.4.2 定性分析 83
6.4.3 定量分析 85
6.5 小結 87
第7章 基于改進蟻獅優化算法的目標跟蹤方法 88
7.1 引言 88
7.2 改進蟻獅優化算法介紹 89
7.2.1 蟻獅優化算法 89
7.2.2 改進蟻獅優化算法 92
7.3 混合EALO-SCA算法 95
7.4 基于混合EALO-SCA算法的目標跟蹤 97
7.4.1 混合優化跟蹤系統 97
7.4.2 參數調整和分析 98
7.5 實驗分析 100
7.5.1 實驗設置 100
7.5.2 與基于SCA算法的跟蹤器和基于SAKCF算法的
跟蹤器比較 101
7.5.3 與先進的跟蹤器比較 105
7.6 小結 111
第8章 基于混合AWOA-DE算法的目標跟蹤方法 113
8.1 引言 113
8.2 鯨魚優化算法和差分進化算法介紹 114
8.2.1 鯨魚優化算法（WOA） 114
8.2.2 差分進化算法（DE） 117
8.3 混合AWOA-DE算法 119
8.3.1 AWOA算法 119
8.3.2 混合AWOA-DE算法介紹 120
8.3.3 混合AWOA-DE算法的性能評估 121
8.4 基于混合AWOA-DE算法的目標跟蹤 134
8.4.1 系統結構和跟蹤流程 134
8.4.2 參數調整和分析 136
8.5 實驗分析 136
8.5.1 AWOA算法和WOA算法的性能比較 136
8.5.2 混合AWOA-DE算法的穩定性分析 137
8.5.3 與先進的跟蹤器比較 138
8.6 小結 149
第9章 基于群優化算法的目標跟蹤方法的比較分析 150
9.1 引言 150
9.2 跟蹤框架 151
9.3 實驗對比及分析 152
9.3.1 效率分析 153
9.3.2 精度分析 155
9.3.3 討論 160
9.4 小結 161
附錄A 23個基準函數 162
參考文獻 164
第1章 緒論 1
1.1 研究背景和意義 1
1.2 國內外目標跟蹤研究現狀 2
1.2.1 國內外目標跟蹤方法綜述文獻概況 2
1.2.2 國內外目標跟蹤測試數據庫概述 3
1.2.3 國內外目標跟蹤方法概述 4
1.3 群優化算法在目標跟蹤中的應用 7
1.3.1 元啟發式優化算法 7
1.3.2 基于群優化算法的目標跟蹤方法 8
1.3.3 基于混合群優化算法的目標跟蹤方法 10
1.4 本書內容及安排 11
第2章 優化算法與目標跟蹤 13
2.1 優化問題與目標跟蹤 13
2.2 特征提取 14
2.3 相似函數 15
2.4 優化算法性能評估機制 16
2.4.1 收斂精度分析 16
2.4.2 收斂效率分析 17
2.5 目標跟蹤性能評估機制 17
2.5.1 定性評估 17
2.5.2 定量評估 17
第3章 基于SCA算法的目標跟蹤方法 19
3.1 引言 19
3.2 SCA算法原理 20
3.3 基于SCA算法的目標跟蹤 24
3.3.1 跟蹤框架 24
3.3.2 參數調整和分析 26
3.4 實驗分析 27
3.4.1 實驗設置 27
3.4.2 定性分析 27
3.4.3 定量分析 30
3.5 小結 34
第4章 基于飛蛾-火焰算法的目標跟蹤方法 35
4.1 引言 35
4.2 飛蛾-火焰算法 37
4.2.1 生物學原理 37
4.2.2 數學原理 38
4.3 基于飛蛾-火焰算法的目標跟蹤 46
4.3.1 跟蹤框架 46
4.3.2 參數調整和分析 47
4.4 實驗分析 49
4.4.1 定性分析 49
4.4.2 定量分析 52
4.4.3 平均運行時間 56
4.5 小結 56
第5章 基于改進布谷鳥搜索算法的目標跟蹤方法 58
5.1 引言 58
5.2 布谷鳥搜索算法 59
5.2.1 布谷鳥搜索算法介紹 59
5.2.2 布谷鳥搜索算法的數學原理 61
5.3 單純形法 63
5.4 改進布谷鳥搜索算法 64
5.5 基于改進布谷鳥搜索算法的目標跟蹤 66
5.6 實驗分析 66
5.6.1 實驗設置 66
5.6.2 定性分析 67
5.6.3 定量分析 70
5.7 小結 73
第6章 基于改進蚱蜢優化算法的目標跟蹤方法 74
6.1 引言 74
6.2 改進蚱蜢優化算法 74
6.2.1 蚱蜢優化算法 74
6.2.2 基于Levy飛行的蚱蜢優化算法 80
6.3 基于改進蚱蜢優化算法的目標跟蹤 81
6.3.1 基于LGOA算法的跟蹤系統 81
6.3.2 參數調整和分析 82
6.4 實驗分析 83
6.4.1 實驗設置 83
6.4.2 定性分析 83
6.4.3 定量分析 85
6.5 小結 87
第7章 基于改進蟻獅優化算法的目標跟蹤方法 88
7.1 引言 88
7.2 改進蟻獅優化算法介紹 89
7.2.1 蟻獅優化算法 89
7.2.2 改進蟻獅優化算法 92
7.3 混合EALO-SCA算法 95
7.4 基于混合EALO-SCA算法的目標跟蹤 97
7.4.1 混合優化跟蹤系統 97
7.4.2 參數調整和分析 98
7.5 實驗分析 100
7.5.1 實驗設置 100
7.5.2 與基于SCA算法的跟蹤器和基于SAKCF算法的
跟蹤器比較 101
7.5.3 與先進的跟蹤器比較 105
7.6 小結 111
第8章 基于混合AWOA-DE算法的目標跟蹤方法 113
8.1 引言 113
8.2 鯨魚優化算法和差分進化算法介紹 114
8.2.1 鯨魚優化算法（WOA） 114
8.2.2 差分進化算法（DE） 117
8.3 混合AWOA-DE算法 119
8.3.1 AWOA算法 119
8.3.2 混合AWOA-DE算法介紹 120
8.3.3 混合AWOA-DE算法的性能評估 121
8.4 基于混合AWOA-DE算法的目標跟蹤 134
8.4.1 系統結構和跟蹤流程 134
8.4.2 參數調整和分析 136
8.5 實驗分析 136
8.5.1 AWOA算法和WOA算法的性能比較 136
8.5.2 混合AWOA-DE算法的穩定性分析 137
8.5.3 與先進的跟蹤器比較 138
8.6 小結 149
第9章 基于群優化算法的目標跟蹤方法的比較分析 150
9.1 引言 150
9.2 跟蹤框架 151
9.3 實驗對比及分析 152
9.3.1 效率分析 153
9.3.2 精度分析 155
9.3.3 討論 160
9.4 小結 161
附錄A 23個基準函數 162
參考文獻 164
展開全部
目標跟蹤中的群智能優化方法 作者簡介
張煥龍，男，上海交通大學博士，副教授，自動化系主任，碩士研究生導師。主要從事視頻目標識別與跟蹤技術、智能監控系統設計與開發、公共區域異常行為檢測與分析、多源傳感器信息融合技術等方面的研究工作。主持完成國家自然科學青年基金項目1項、河南省科技攻關項目2項，參與完成國家863自然科學基金重點項目1項、國家自然科學基金面上項目2項；獲得河南省科技進步二等獎1項，河南省教育廳科技成果一等獎1項、二等獎2項；科學出版社出版學術專著1部，獲得國家授權發明專利6項，發表學術論文40余篇，其中SCI檢索論文20余篇；主持在研國家自然科學基金面上項目1項，參與國家自科基金1項。在《計算機研究與發展》期刊發表的學術論文《基于外觀模型的視頻目標跟蹤方法綜述》，被評為2015年度最有影響力的學術成果。
書友推薦
- >
小考拉的故事-套裝共3冊
- >
名家帶你讀魯迅:故事新編
- >
我從未如此眷戀人間
- >
經典常談
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
有舍有得是人生
- >
伊索寓言-世界文學名著典藏-全譯本
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
