| 书名： | 多维粒子群优化在机器学识别中的应用 |
| 作者： | (芬)Serkan Kiranyaz，(土)Turker Ince，(芬)Moncef Gabbouj著 |
| 出版社： | 国防工业出版社 |
| 出版日期： | 2017-06-01 |
| 版次： | 1 |
| ISBN： | 9787118113549 |
| 市场价： | 108.0 |
第1章 绪论
1.1 *优化历史发展
1.2 核心问题
1.3 本书内容简介
参考文献
第2章 *优化技术概述
2.1 *优化技术的历史
2.2 确定分析方法
2.2.1 梯度下降法
2.2.2 牛顿拉普森迭代法
2.2.3 Nelder-Mead搜索方法
2.3 方法
2.3.1 模拟退火算法
2.3.2 逼近方法
2.4 进化算法
2.4.1 遗传算法
2.4.2 差分进化算法
参考文献
第3章 粒子群优化算法
3.1 引言
3.2 基本粒子群优化算法
3.3 粒子群优化算法的一些变体形式
3.3.1 部落
3.3.2 多群
3.4 应用领域
3.4.1 非线函数*小化
3.4.2 数据聚类
3.4.3 人工神经网络
3.5 程序注解与软件开
参考文献
第4章 多维粒子群优化算法
4.1 多维度研究的需要
4.2 基本思想
4.3 多维粒子群优化算法
4.4 程序注解与软
4.4.1 PSO_MDlib应用程序中的多维粒子群优化操作
4.4.2 PSOTestApp应用程序中的多维粒子群优化操作
参考文献
第5章 改进全局收敛
5.1 分形全局*优构建
5.1.1 研究动机
5.1.2 基于FGBF的粒子群优化
5.1.3 基于FGBF的多维粒子群优化
5.1.4 非线函数*小化
5.2 动态环境的*优化方法
5.2.1 动态环境：试验台
5.2.2 多群粒子群优化
5.2.3 基于FGBF的移动峰问题的移动峰基准
5.2.4 多维移动峰函数的优化
5.2.5 常规移动峰函数能评估
本书探讨了多维粒子群优化，由作者开发了一种技术解决这些需求。在介绍关键优化技术后，作者介绍了统一的框架，并展示了其在具有挑战的应用领域的优势括多维扩展粒子群优化的全局收敛、动态数据聚类、进化神经网络、生物医学应用程序和个化的心电图分类、基于内容
在线试读 媒体评论
