中圖網(wǎng)小程序
一鍵登錄
更方便
>
>>
目標(biāo)跟蹤中的群智能優(yōu)化方法
目標(biāo)跟蹤中的群智能優(yōu)化方法 版權(quán)信息
- ISBN：9787121374708
- 條形碼：9787121374708 ; 978-7-121-37470-8
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
目標(biāo)跟蹤中的群智能優(yōu)化方法 本書特色
全書內(nèi)容共分為9章，系統(tǒng)地介紹了群智能優(yōu)化方法的發(fā)展及其在視頻目標(biāo)跟蹤中的應(yīng)用。全書分為基于標(biāo)準(zhǔn)群智能優(yōu)化方法的目標(biāo)跟蹤篇（包含第3-4章），基于改進(jìn)群智能優(yōu)化方法的目標(biāo)跟蹤篇（包含第5-6章），基于混合群智能優(yōu)化方法的目標(biāo)跟蹤篇（包含第7-8章），以及群智能優(yōu)化目標(biāo)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(yōu)化方法與目標(biāo)跟蹤關(guān)系。第3章介紹了基于正余弦算法的目標(biāo)跟蹤方法，第4章介紹了基于飛蛾-火焰算法的目標(biāo)跟蹤方法。第5章討論了基于改進(jìn)布谷鳥搜索算法的目標(biāo)跟蹤方法。第6章給出了改進(jìn)蚱蜢優(yōu)化算法的目標(biāo)跟蹤方法。第7章給出了基于混合EALO-SCA優(yōu)化算法的目標(biāo)跟蹤方法。第8章給出了基于混合AWOA-DE優(yōu)化算法的目標(biāo)跟蹤方法。第9章給出了基于優(yōu)化的目標(biāo)跟蹤方法實驗分析。
目標(biāo)跟蹤中的群智能優(yōu)化方法 內(nèi)容簡介
全書內(nèi)容共分為9章，系統(tǒng)地介紹了群智能優(yōu)化方法的發(fā)展及其在視頻目標(biāo)跟蹤中的應(yīng)用。全書分為基于標(biāo)準(zhǔn)群智能優(yōu)化方法的目標(biāo)跟蹤篇（包含第3-4章），基于改進(jìn)群智能優(yōu)化方法的目標(biāo)跟蹤篇（包含第5-6章），基于混合群智能優(yōu)化方法的目標(biāo)跟蹤篇（包含第7-8章），以及群智能優(yōu)化目標(biāo)跟蹤方法比較分析（包含第9章）。章為緒論。第2章介紹了優(yōu)化方法與目標(biāo)跟蹤關(guān)系。第3章介紹了基于正余弦算法的目標(biāo)跟蹤方法，第4章介紹了基于飛蛾-火焰算法的目標(biāo)跟蹤方法。第5章討論了基于改進(jìn)布谷鳥搜索算法的目標(biāo)跟蹤方法。第6章給出了改進(jìn)蚱蜢優(yōu)化算法的目標(biāo)跟蹤方法。第7章給出了基于混合EALO-SCA優(yōu)化算法的目標(biāo)跟蹤方法。第8章給出了基于混合AWOA-DE優(yōu)化算法的目標(biāo)跟蹤方法。第9章給出了基于優(yōu)化的目標(biāo)跟蹤方法實驗分析。
目標(biāo)跟蹤中的群智能優(yōu)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(nèi)外目標(biāo)跟蹤研究現(xiàn)狀 2
1.2.1 國內(nèi)外目標(biāo)跟蹤方法綜述文獻(xiàn)概況 2
1.2.2 國內(nèi)外目標(biāo)跟蹤測試數(shù)據(jù)庫概述 3
1.2.3 國內(nèi)外目標(biāo)跟蹤方法概述 4
1.3 群優(yōu)化算法在目標(biāo)跟蹤中的應(yīng)用 7
1.3.1 元啟發(fā)式優(yōu)化算法 7
1.3.2 基于群優(yōu)化算法的目標(biāo)跟蹤方法 8
1.3.3 基于混合群優(yōu)化算法的目標(biāo)跟蹤方法 10
1.4 本書內(nèi)容及安排 11
第2章 優(yōu)化算法與目標(biāo)跟蹤 13
2.1 優(yōu)化問題與目標(biāo)跟蹤 13
2.2 特征提取 14
2.3 相似函數(shù) 15
2.4 優(yōu)化算法性能評估機(jī)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(biāo)跟蹤性能評估機(jī)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(biāo)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(biāo)跟蹤 24
3.3.1 跟蹤框架 24
3.3.2 參數(shù)調(diào)整和分析 26
3.4 實驗分析 27
3.4.1 實驗設(shè)置 27
3.4.2 定性分析 27
3.4.3 定量分析 30
3.5 小結(jié) 34
第4章 基于飛蛾-火焰算法的目標(biāo)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(xué)原理 37
4.2.2 數(shù)學(xué)原理 38
4.3 基于飛蛾-火焰算法的目標(biāo)跟蹤 46
4.3.1 跟蹤框架 46
4.3.2 參數(shù)調(diào)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(yùn)行時間 56
4.5 小結(jié) 56
第5章 基于改進(jìn)布谷鳥搜索算法的目標(biāo)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(shù)學(xué)原理 61
5.3 單純形法 63
5.4 改進(jìn)布谷鳥搜索算法 64
5.5 基于改進(jìn)布谷鳥搜索算法的目標(biāo)跟蹤 66
5.6 實驗分析 66
5.6.1 實驗設(shè)置 66
5.6.2 定性分析 67
5.6.3 定量分析 70
5.7 小結(jié) 73
第6章 基于改進(jìn)蚱蜢優(yōu)化算法的目標(biāo)跟蹤方法 74
6.1 引言 74
6.2 改進(jìn)蚱蜢優(yōu)化算法 74
6.2.1 蚱蜢優(yōu)化算法 74
6.2.2 基于Levy飛行的蚱蜢優(yōu)化算法 80
6.3 基于改進(jìn)蚱蜢優(yōu)化算法的目標(biāo)跟蹤 81
6.3.1 基于LGOA算法的跟蹤系統(tǒng) 81
6.3.2 參數(shù)調(diào)整和分析 82
6.4 實驗分析 83
6.4.1 實驗設(shè)置 83
6.4.2 定性分析 83
6.4.3 定量分析 85
6.5 小結(jié) 87
第7章 基于改進(jìn)蟻獅優(yōu)化算法的目標(biāo)跟蹤方法 88
7.1 引言 88
7.2 改進(jìn)蟻獅優(yōu)化算法介紹 89
7.2.1 蟻獅優(yōu)化算法 89
7.2.2 改進(jìn)蟻獅優(yōu)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(biāo)跟蹤 97
7.4.1 混合優(yōu)化跟蹤系統(tǒng) 97
7.4.2 參數(shù)調(diào)整和分析 98
7.5 實驗分析 100
7.5.1 實驗設(shè)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(jìn)的跟蹤器比較 105
7.6 小結(jié) 111
第8章 基于混合AWOA-DE算法的目標(biāo)跟蹤方法 113
8.1 引言 113
8.2 鯨魚優(yōu)化算法和差分進(jìn)化算法介紹 114
8.2.1 鯨魚優(yōu)化算法（WOA） 114
8.2.2 差分進(jìn)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(biāo)跟蹤 134
8.4.1 系統(tǒng)結(jié)構(gòu)和跟蹤流程 134
8.4.2 參數(shù)調(diào)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(wěn)定性分析 137
8.5.3 與先進(jìn)的跟蹤器比較 138
8.6 小結(jié) 149
第9章 基于群優(yōu)化算法的目標(biāo)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(jié) 161
附錄A 23個基準(zhǔn)函數(shù) 162
參考文獻(xiàn) 164
第1章 緒論 1
1.1 研究背景和意義 1
1.2 國內(nèi)外目標(biāo)跟蹤研究現(xiàn)狀 2
1.2.1 國內(nèi)外目標(biāo)跟蹤方法綜述文獻(xiàn)概況 2
1.2.2 國內(nèi)外目標(biāo)跟蹤測試數(shù)據(jù)庫概述 3
1.2.3 國內(nèi)外目標(biāo)跟蹤方法概述 4
1.3 群優(yōu)化算法在目標(biāo)跟蹤中的應(yīng)用 7
1.3.1 元啟發(fā)式優(yōu)化算法 7
1.3.2 基于群優(yōu)化算法的目標(biāo)跟蹤方法 8
1.3.3 基于混合群優(yōu)化算法的目標(biāo)跟蹤方法 10
1.4 本書內(nèi)容及安排 11
第2章 優(yōu)化算法與目標(biāo)跟蹤 13
2.1 優(yōu)化問題與目標(biāo)跟蹤 13
2.2 特征提取 14
2.3 相似函數(shù) 15
2.4 優(yōu)化算法性能評估機(jī)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(biāo)跟蹤性能評估機(jī)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(biāo)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(biāo)跟蹤 24
3.3.1 跟蹤框架 24
3.3.2 參數(shù)調(diào)整和分析 26
3.4 實驗分析 27
3.4.1 實驗設(shè)置 27
3.4.2 定性分析 27
3.4.3 定量分析 30
3.5 小結(jié) 34
第4章 基于飛蛾-火焰算法的目標(biāo)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(xué)原理 37
4.2.2 數(shù)學(xué)原理 38
4.3 基于飛蛾-火焰算法的目標(biāo)跟蹤 46
4.3.1 跟蹤框架 46
4.3.2 參數(shù)調(diào)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(yùn)行時間 56
4.5 小結(jié) 56
第5章 基于改進(jìn)布谷鳥搜索算法的目標(biāo)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(shù)學(xué)原理 61
5.3 單純形法 63
5.4 改進(jìn)布谷鳥搜索算法 64
5.5 基于改進(jìn)布谷鳥搜索算法的目標(biāo)跟蹤 66
5.6 實驗分析 66
5.6.1 實驗設(shè)置 66
5.6.2 定性分析 67
5.6.3 定量分析 70
5.7 小結(jié) 73
第6章 基于改進(jìn)蚱蜢優(yōu)化算法的目標(biāo)跟蹤方法 74
6.1 引言 74
6.2 改進(jìn)蚱蜢優(yōu)化算法 74
6.2.1 蚱蜢優(yōu)化算法 74
6.2.2 基于Levy飛行的蚱蜢優(yōu)化算法 80
6.3 基于改進(jìn)蚱蜢優(yōu)化算法的目標(biāo)跟蹤 81
6.3.1 基于LGOA算法的跟蹤系統(tǒng) 81
6.3.2 參數(shù)調(diào)整和分析 82
6.4 實驗分析 83
6.4.1 實驗設(shè)置 83
6.4.2 定性分析 83
6.4.3 定量分析 85
6.5 小結(jié) 87
第7章 基于改進(jìn)蟻獅優(yōu)化算法的目標(biāo)跟蹤方法 88
7.1 引言 88
7.2 改進(jìn)蟻獅優(yōu)化算法介紹 89
7.2.1 蟻獅優(yōu)化算法 89
7.2.2 改進(jìn)蟻獅優(yōu)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(biāo)跟蹤 97
7.4.1 混合優(yōu)化跟蹤系統(tǒng) 97
7.4.2 參數(shù)調(diào)整和分析 98
7.5 實驗分析 100
7.5.1 實驗設(shè)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(jìn)的跟蹤器比較 105
7.6 小結(jié) 111
第8章 基于混合AWOA-DE算法的目標(biāo)跟蹤方法 113
8.1 引言 113
8.2 鯨魚優(yōu)化算法和差分進(jìn)化算法介紹 114
8.2.1 鯨魚優(yōu)化算法（WOA） 114
8.2.2 差分進(jìn)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(biāo)跟蹤 134
8.4.1 系統(tǒng)結(jié)構(gòu)和跟蹤流程 134
8.4.2 參數(shù)調(diào)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(wěn)定性分析 137
8.5.3 與先進(jìn)的跟蹤器比較 138
8.6 小結(jié) 149
第9章 基于群優(yōu)化算法的目標(biāo)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(jié) 161
附錄A 23個基準(zhǔn)函數(shù) 162
參考文獻(xiàn) 164
展開全部
目標(biāo)跟蹤中的群智能優(yōu)化方法 作者簡介
張煥龍，男，上海交通大學(xué)博士，副教授，自動化系主任，碩士研究生導(dǎo)師。主要從事視頻目標(biāo)識別與跟蹤技術(shù)、智能監(jiān)控系統(tǒng)設(shè)計與開發(fā)、公共區(qū)域異常行為檢測與分析、多源傳感器信息融合技術(shù)等方面的研究工作。主持完成國家自然科學(xué)青年基金項目1項、河南省科技攻關(guān)項目2項，參與完成國家863自然科學(xué)基金重點項目1項、國家自然科學(xué)基金面上項目2項；獲得河南省科技進(jìn)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(xué)出版社出版學(xué)術(shù)專著1部，獲得國家授權(quán)發(fā)明專利6項，發(fā)表學(xué)術(shù)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(xué)基金面上項目1項，參與國家自科基金1項。在《計算機(jī)研究與發(fā)展》期刊發(fā)表的學(xué)術(shù)論文《基于外觀模型的視頻目標(biāo)跟蹤方法綜述》，被評為2015年度最有影響力的學(xué)術(shù)成果。
書友推薦
- >
自卑與超越
- >
月亮與六便士
- >
山海經(jīng)
- >
月亮虎
- >
煙與鏡
- >
巴金－再思錄
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
苦雨齋序跋文-周作人自編集
本類暢銷
