-
>
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
改進的群智能算法及其應用 版權信息
- ISBN:9787302569633
- 條形碼:9787302569633 ; 978-7-302-56963-3
- 裝幀:70g膠版紙
- 冊數:暫無
- 重量:暫無
- 所屬分類:>
改進的群智能算法及其應用 本書特色
本書重點放在群智能算法與機器學習相結合的算法及其應用上,力求讓讀者既掌握群智能算法和機器學習的知識,又能讓讀者體會群智能算法與機器學習相結合能夠解決實際問題的能力。 本書介紹了改進的群智能算法與機器學習相結合的理論與應用本書介紹了改進的群智能算法與機器學習相結合的理論與應用
改進的群智能算法及其應用 內容簡介
本書主要包括利用改進的卷積神經網絡實現合成孔徑雷達目標識別,提出了改進的群智能算法,并結合機器學習實現合成孔徑雷達目標識別、MEMS矢量水聽器信號的去噪估計、癌癥分類、傳染病預測、空氣質量指數預測與等級分類、機器人轉向分類和地質水水質分類。本書有較強的實用性和應用性,既結合實際應用的需要,又從理論上加以指導。本書可作為應用數學、信號處理、圖像處理、優化算法、預測與分類等方向研究生學習,還可供從事機器學習的科研工作者參考。
改進的群智能算法及其應用 目錄
目錄
第1章緒論
1.1引言
1.2群智能算法與機器學習
1.2.1群智能算法
1.2.2機器學習
1.2.3機器學習與群智能優化算法的結合
1.3發展概述
1.3.1合成孔徑雷達目標識別
1.3.2MEMS矢量水聽器信號去噪和DOA估計
1.3.3基于基因表達譜的癌癥分類
1.3.4傳染病預測
1.3.5機器人移動轉向與地表水水質分類
1.3.6空氣質量指數的預測與分類
1.3.7股票指數預測
1.3.8預測性能指標
1.4本書的主要內容
第2章基于機器學習的合成孔徑雷達目標識別
2.1引言
2.2基于CNN的合成孔徑雷達目標識別
2.2.1基本CNN
2.2.2數據集
2.2.3數據預處理
2.2.4基于CNN與RF的合成孔徑雷達目標識別
2.2.5基于CNNPCADT算法的SAR目標識別
2.3基于Harris鷹優化算法與支持向量機的SAR目標識別
2.3.1基本算法
2.3.2改進的Harris鷹算法
2.3.3函數極值尋優
2.3.4基于IHHO和SVM的SAR目標識別
2.3.5結論
2.4本章小結
第3章MEMS水聽器的信號去噪與DOA估計
3.1引言
3.2基于變分模態分解和小波閾值處理的去噪和基線漂移去除方法
3.2.1基本原理
3.2.2基于VMD和NWT的聯合去噪方法
3.2.3仿真數據去噪
3.2.4湖泊實驗
3.2.5結論
3.3基于IGA小波軟閾值的矢量水聽器的去噪方法
3.3.1遺傳算法
3.3.2基于改進遺傳算法的去噪方法
3.3.3仿真實驗
3.3.4實測實驗
3.3.5結論
3.4改進的飛鼠搜索算法與DML的矢量水聽器的DOA估計
3.4.1基本算法
3.4.2基于SSA和IWO的混合算法
3.4.3基準函數的極值尋優
3.4.4基于ISSADML的DOA估計
3.4.5結果分析與討論
3.4.6結論
3.5本章小結
第4章基于基因表達譜的癌癥分類
4.1引言
4.2基于BP、SVM和SKohonen的結腸癌的分類
4.2.1數據源
4.2.2數據處理
4.2.3實驗結果
4.2.4結論
4.3基于人工神經網絡的子宮內膜癌的分類
4.3.1數據源
4.3.2基于人工神經網絡分類器的子宮內膜癌的分類
4.3.3基于改進的灰狼算法的子宮內膜癌的識別
4.4本章小結
第5章三類傳染病的預測
5.1引言
5.2改進的人工蜂群算法對手足口病發病人數的預測
5.2.1基本蜂群算法
5.2.2改進的ABC算法
5.2.3ABCIWBP預測模型
5.2.4實驗
5.2.5結論
5.3基于改進的蟻獅優化算法與人工神經網絡的中國流感預測
5.3.1蟻獅優化算法
5.3.2改進的蟻獅算法
5.3.3基準函數的極值尋優
5.3.4IALO算法優化BP神經網絡實現中國流感預測
5.3.5討論
5.3.6結論
5.4基于改進的人工樹算法和人工神經網絡的流感樣病例預測
5.4.1IATBPNN預測模型
5.4.2實驗
5.4.3討論
5.4.4結論
5.5基于改進的遺傳算法與人工神經網絡的流感樣疾病的預測
5.5.1IWOGABPNN預測模型
5.5.2實驗
5.5.3結論
5.6基于改進的MVO算法與Elman神經網絡的流感樣疾病的預測
5.6.1多元優化器
5.6.2改進的MVO算法
5.6.3實驗
5.6.4結論
5.7本章小結
第6章機器人轉向及地表水水質分類
6.1引言
6.2基于PSO與GSA的地表水水質及機器人轉向分類
6.2.1引力搜索算法
6.2.2分類模型
6.2.3實驗
6.2.4討論
6.2.5結論
6.3基于PCA和改進的PSOSVM機器人轉向分類
6.3.1基于PCA和改進的PSO算法優化SVM的分類模型
PSOSVM
6.3.2實驗結果
6.3.3結論
6.4本章小結
第7章空氣質量指數的預測與分類
7.1引言
7.2基于ISSASVM的空氣質量的等級分類
7.2.1數據源
7.2.2實驗結果
7.2.3結論
7.3基于改進的鯨優化算法的空氣質量指數的預測
7.3.1鯨優化算法
7.3.2改進的鯨優化算法
7.3.3函數極值尋優
7.3.4基于IWOA的太原市AQI預測
7.3.5結論
7.4基于改進的粒子群算法和RBF神經網絡的空氣質量指數預測
7.4.1慣性權重的選擇
7.4.2EDIWPSO算法優化的PBF模型
7.4.3實驗
7.4.4結論
7.5基于TVIWPSOGSA算法與SVM的空氣質量的等級分類
7.5.1分類模型
7.5.2實驗
7.5.3結論
7.6基于改進的思維進化算法與BP神經網絡的AQI預測
7.6.1思維進化算法
7.6.2改進的MEA算法
7.6.3基于MEAPSOGA的BP神經網絡
7.6.4空氣質量指數預測結果及分析
7.6.5結論
7.7基于飛蛾撲火算法與支持向量機的空氣質量指數預測
7.7.1飛蛾撲火優化算法
7.7.2MFOSVM算法
7.7.3實驗
7.7.4結論
7.8本章小結
第8章股市指數預測
8.1引言
8.2基于改進的正余弦算法的股票指數預測
8.2.1正余弦算法
8.2.2預測模型
8.2.3實驗
8.2.4結論和討論
8.3基于改進的Harris鷹優化算法與極限學習機的股票指數預測
8.3.1數據源
8.3.2基于IHHO和極限學習機的預測模型
8.3.3實驗結果
8.3.4討論
8.3.5結論
8.4基于改進的動態粒子群優化和AdaBoost算法的股票指數預測
8.4.1AdaBoost算法
8.4.2基于EDIWPSO和AdaBoost算法的GRBF模型
8.4.3實驗
8.4.4結論
8.5本章小結
附錄
參考文獻
改進的群智能算法及其應用 作者簡介
胡紅萍,1973年7月生,博士,中北大學副教授,碩士生導師,主持山西省自然科學基金1項、山西省回國留學人員科研資助項目1項、山西省青年科技研究基金1項和博士后自然科學基金1項,參加國家自然科學基金4項、山西省自然科學基金3項、山西省重點研發計劃項目1項,發表論文50余篇,其中高水平論文20余篇,山西省科技進步二等獎1項(排名第五)。主要從事人工智能、圖像識別、信號處理、預測與分類等研究。
- >
回憶愛瑪儂
- >
經典常談
- >
煙與鏡
- >
名家帶你讀魯迅:朝花夕拾
- >
伯納黛特,你要去哪(2021新版)
- >
有舍有得是人生
- >
唐代進士錄
- >
小考拉的故事-套裝共3冊