量子计算、优化与学习
¥
52.23
4.0折
¥
130
九五品
仅1件
作者焦李成 著
出版社科学出版社
出版时间2017-03
版次01
装帧精装
货号A14
上书时间2024-12-06
商品详情
- 品相描述:九五品
图书标准信息
-
作者
焦李成 著
-
出版社
科学出版社
-
出版时间
2017-03
-
版次
01
-
ISBN
9787030523464
-
定价
130.00元
-
装帧
精装
-
开本
32开
-
页数
308页
-
字数
390千字
-
正文语种
简体中文
- 【内容简介】
-
鉴于量子智能信息处理技术展现的广阔前景,以及对社会各个方面的重要影响。本书作者在该领域进行了深入而有成效的研究工作。在十多年的探索研究中,取得了一些成果,并在广泛的应用领域进行了尝试。从量子智能信息处理的角度,对很多复杂问题提出了新颖的解决思路和方法。基于前面的工作,结合国内外的发展动态,本书集合了当前量子智能信息处理的很多相关内容。不仅包含量子计算,智能信息处理以及交叉领域的基础理论介绍,更加入了许多*新技术在不同领域的应用工作解析。
- 【目录】
-
前言
第1章 量子计算物理基础 1
1.1 量子算法 1
1.2 量子系统中的叠加、相干与坍缩 2
1.3 量子态的干涉 4
1.4 量子态的纠缠 5
1.5 量子计算的并行性 6
参考文献 7
第2章 量子搜索与优化 8
2.1 Grover 搜索算法 8
2.2 量子进化算法 9
2.2.1 基于量子旋转门的进化算法 9
2.2.2 基于吸引子的进化算法 10
2.3 量子退火算法 14
参考文献 15
第3章 量子学习 17
3.1 量子聚类 17
3.1.1 基于优化的量子聚类 18
3.1.2 基于量子力学启发的聚类 18
3.2 量子神经网络 19
3.2.1 量子 M-P 模型 20
3.2.2 量子 Hopfield 神经网络 22
3.3 量子贝叶斯网络 23
3.4 量子小波变换 26
参考文献 27
第4章 量子进化组播路由 29
4.1 量子进化多维背包算法 29
4.1.1 基本理论 29
4.1.2 量子进化多维背包算法 32
4.1.3 仿真实验及其结果分析 36
4.2 量子进化静态组播路由 39
4.2.1 量子进化算法 39
4.2.2 时延受限组播路由问题定义 44
4.2.3 量子进化组播路由算法 45
4.2.4 仿真实验及其结果分析 51
4.3 量子进化动态组播路由 54
4.3.1 动态组播问题的定义 54
4.3.2 量子进化动态组播路由算法 56
4.4 结论与讨论 61
参考文献 62
第5章 量子粒子群优化 65
5.1 协同量子粒子群优化 65
5.1.1 协同量子粒子群算法 65
5.1.2 改进的协同量子粒子群算法 66
5.1.3 仿真实验及其结果分析 69
5.2 基于多次塌陷-正交交叉的量子粒子群优化 82
5.2.1 量子多次塌陷 82
5.2.2 正交交叉试验简介 83
5.2.3 多次塌陷-正交交叉的量子粒子群算法 85
5.2.4 仿真实验及其结果分析 87
5.3 结论与讨论 95
参考文献 95
第6章 量子进化聚类 97
6.1 基于流形距离的量子进化聚类 97
6.1.1 流形距离 97
6.1.2 基于流形距离的量子进化数据聚类 98
6.1.3 算法收敛性分析 101
6.1.4 时间复杂度分析 103
6.1.5 仿真实验及其结果分析 103
6.2 量子多目标进化聚类 108
6.2.1 聚类算法简介 108
6.2.2 量子多目标进化聚类算法 112
6.2.3 时间复杂度分析 117
6.2.4 仿真实验及其结果分析 118
6.3 结论与讨论 124
参考文献 124
第7章 基于核熵成分分析的量子聚类 126
7.1 量子聚类算法 126
7.2 基于核熵成分分析的量子聚类算法 128
7.3 仿真实验及其结果分析 135
7.4 结论与讨论 146
参考文献 147
第8章 量子粒子群数据分类 148
8.1 基于量子粒子群的*近邻原型数据分类 148
8.1.1 数据分类方法简介 148
8.1.2 K 近邻分类概述 152
8.1.3 基于量子粒子群的*近邻原型的数据分类算法 154
8.1.4 仿真实验及其结果分析 156
8.2 改进的量子粒子群的*近邻原型数据分类 162
8.2.1 基于多次塌陷-正交交叉量子粒子群的*近邻原型算法的数据分类 162
8.2.2 仿真实验及其结果分析 165
8.3 结论与讨论 171
参考文献 172
第9章 量子进化聚类图像分割 173
9.1 基于量子进化聚类的图像分割 173
9.1.1 图像分割方法简介 173
9.1.2 图像纹理特征提取 176
9.1.3 仿真实验及其结果分析 178
9.2 基于分水岭-量子进化聚类算法的图像分割 182
9.2.1 形态学分水岭算法 182
9.2.2 基于分水岭-量子进化聚类算法的图像分割 184
9.2.3 仿真实验及其结果分析 185
9.3 基于量子多目标进化聚类算法的图像分割 194
9.3.1 基于量子多目标进化聚类算法的图像分割 194
9.3.2 仿真实验及其结果分析 198
9.4 结论与讨论 206
参考文献 207
第10章 量子免疫克隆聚类 SAR 图像分割与变化检测 209
10.1 基于分水岭-量子免疫克隆聚类算法的 SAR 图像分割 209
10.1.1 基于分水岭-量子免疫克隆聚类算法的 SAR 图像分割方法简介 209
10.1.2 算法设计与流程说明 209
10.1.3 时间复杂度分析 212
10.1.4 仿真实验及其结果分析 212
10.2 基于先验知识-分水岭量子免疫克隆聚类的 SAR 图像分割 218
10.2.1 K 均值聚类概述 218
10.2.2 算法设计与流程说明 220
10.2.3 仿真实验及其结果分析 222
10.3 基于量子免疫克隆聚类的 SAR 图像变化检测 228
10.3.1 变化检测的一般流程及方法 228
10.3.2 算法设计与流程说明 230
10.3.3 时间复杂度分析 233
10.3.4 仿真实验及其结果分析 233
10.4 结论与讨论 236
参考文献 237
第11章 量子粒子群医学图像分割 238
11.1 基于协同量子粒子群优化的医学图像分割 238
11.1.1 医学图像分割概述 238
11.1.2 基于改进的协同量子粒子群算法的医学图像分割 240
11.1.3 仿真实验及其结果分析 242
11.2 基于多背景变量协同量子粒子群优化及医学图像分割 244
11.2.1 背景变量概述 245
11.2.2 多背景变量协同量子粒子群算法 245
11.2.3 基于多背景协同量子粒子群算法的图像分割 248
11.3 动态变异与背景协同的量子粒子群算法 252
11.3.1 量子粒子群算法的理论背景 252
11.3.2 背景协同的量子粒子群算法 259
11.3.3 改进的背景协同量子粒子群算法 260
11.3.4 函数仿真测试 263
11.3.5 医学图像分割仿真测试 264
11.4 结论与讨论 271
参考文献 271
第12章 量子聚类社区检测 273
12.1 基于量子聚类的社团检测 273
12.1.1 社团检测方法的研究及发展 273
12.1.2 基于量子聚类算法的社团检测 276
12.1.3 仿真实验及其结果分析 279
12.2 基于量子聚类的大规模社团检测 287
12.2.1 基于量子聚类算法的大规模社团检测 287
12.2.2 仿真实验及其结果分析 292
12.3 结论与讨论 298
参考文献 298
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价