杂交水稻优化算法及其在机器学中的应用

图书标准信息

• 作者 周雯 著；叶志伟；王明威
• 出版社 科学出版社
• 出版时间 2024-03
• 版次 1
• ISBN 9787030781680
• 定价 125.00元
• 装帧 其他
• 开本 16开

【内容简介】

:
自然计算，通常是一类具有自适应、自组织、自学习能力的模型与算法，能够解决传统计算方法难以解决的各种复杂问题，是计算机科学与人工智能领域中重要的研究内容之一。遗传算法等经典自然计算方法从诞生至今已经各自演变成相对独立的人工智能研究领域，半个多世纪以来不断得到改进，衍生出众多新方法，并且在不同的科学和工程领域得到了成功的应用。
    杂种优势是遗传基础不同的两个亲本杂交产生的杂种在某些性状上优于其亲本的生物学现象。根据杂种优势的原理，通过育种手段的改进和创新，可以使产品获得显著增长。受杂交优势理论和著名三系法杂交水稻育种技术的启发，著者团队提出了一种新型的自然计算方法——杂交水稻优化算法，并将其用于部分经典机器学习算法优化问题求解，以获得性能更为优良的算法。
    本书可作为计算机科学与技术相关专业研究生及高年级本科生的教材，也可作为相关科研人员的参考书。

【目录】

第1章 智能优化算法与机器学习

1．1 研究背景

1．2 国内外研究现状

1．2．1 智能优化算法在聚类分析中的应用

1．2．2 智能优化算法在常用分类器参数优化中的应用

1．2．3 智能优化算法在特征权重优化中的应用

1．2．4 智能优化算法在特征选择中的应用

1．2．5 智能优化算法在机器学习超参数优化中的应用

参考文献

第2章 杂交水稻优化算法概述

2．1 研究动机

2．2 杂种优势与杂交水稻优化算法

2．3 杂交水稻优化算法基本原理

2．3．1 三系法杂交水稻简介

2．3．2 杂交水稻优化算法设计基本思路

2．3．3 三系法杂交水稻优化算法的实现步骤

2．4 实验仿真与分析

2．5 本章小结

参考文献

第3章 基于种群划分改进的杂交水稻优化算法

3．1 改进杂交水稻优化算法的基本思路

3．2 改进杂交水稻优化算法的基准测试及分析

3．2．1 测试函数及其说明

3．2．2 实验仿真与分析

3．3 本章小结

参考文献

第4章 基于非支配排序的多目标杂交水稻优化算法

4．1 多目标优化概述

4．1．1 多目标优化问题的数学描述

4．1．2 多目标优化问题中的非支配解

4．2 多目标杂交水稻优化算法运行流程

4．3 多目标杂交水稻优化算法的编码与实现

4．4 多目标杂交水稻优化算法的寻优性能测试及分析

4．4．1 测试函数及其说明

4．4．2 实验仿真与分析

4．5 本章小结

参考文献

第5章 基于改进杂交水稻优化算法的聚类方法

5．1 聚类算法概述

5．1．1 聚类问题描述

5．1．2 聚类算法的有效性指标

5．2 基于改进杂交水稻优化算法的模糊C-means聚类方法

5．3 基于改进杂交水稻优化算法的聚类算法性能测试及分析

5．3．1 实验说明

5．3．2 公共数据集实验结果及其分析

5．3．3 遥感图像数据集聚类实验及分析

5．4 本章小结

参考文献

第6章 基于多目标杂交水稻优化算法的聚类方法

6．1 基于多目标杂交水稻优化的聚类方法

6．1．1 多目标杂交水稻优化算法聚类的基本思想

6．1．2 寻优结果的最终解选取策略

6．2 多目标杂交水稻优化聚类方法的实验及性能分析

6．2．1 实验说明

6．2．2 公共数据集实验结果及其分析

6．2．3 遥感图像数据集聚类实验及分析

6．3 本章小结

参考文献

……

第7章 基于杂交水稻优化算法的特征权重优化

第8章 杂交水稻优化算法混合蚁群优化的特征选择

第9章 基于杂交水稻优化算法的纹理特征描述

第10章 基于杂交水稻优化算法优化支持向量机的图像分类

第11章 基于改进杂交水稻优化算法的胶囊网络优化

附表 多目标基准测试函数

内容摘要

1.2.4智能优化算法在特征选择中的应用

随着大数据时代的到来，数据量剧增，数据维度不断升高，在故障诊断、文本分类、语音分析、超光谱图像分类等领域，特征选择得到广泛的研究。常见的特征选择方法大致分为三类:过滤式、封装式、嵌入式。其中，封装式特征选择方法直接针对给定分类器进行优化，性能通常比过滤式要好，但是计算开销大很多，特别是对于高维数据，传统的分支定界法、顺序前进法、顺序后退法难以处理。与传统方法相比，基于种群的智能优化算法不需要问题领域先验知识，就能并行搜索多个解。基于这些优点，智能优化算法在特征选择上获得良好的效果35],其在特征选择上的应用研究始于20世纪90年代。自2007年以来，随着许多领域的特征数量逐渐增多，智能优化算法以其强大的全局搜索能力而受到研究人员的重点关注。特征选择有两个主要目标:最大化分类正确率和最小化特征子集的数量。为了便于求解，一些基于智能优化算法的特征选择方法通过设计一种综合考虑特征个数和分类性能的目标函数，将特征选择作为单目标优化问题来考虑，也有一些方法将特征选择按照多目标优化处理。下面对智能优化算法在特征选择上的研究工作进行简要介绍。

……

精彩内容

自然计算(natureinspiredcomputation)，通常是一类具有自适应、自组织、自学习能力的模型与算法，能够解决传统计算方法难以解决的各种复杂问题，是计算机科学与人工智能领域中重要的研究内容之一。遗传算法等经典自然计算方法从诞生至今已经各自演变成相对独立的人工智能研究领域，半个多世纪以来不断得到改进，衍生出众多新方法，并且在不同的科学和工程领域得到了成功的应用。杂种优势是遗传基础不同的两个亲本杂交产生的杂种在某些性状上优于其亲本的生物学现象。根据杂种优势的原理，通过育种手段的改进和创新，可以使产品获得显著增长。受杂交优势理论和著名三系法杂交水稻育种技术的启发，著者团队提出了一种新型的自然计算方法——杂交水稻优化算法，并将其用于部分经典机器学习算法优化问题求解，以获得性能更为优良的算法。