认知计算与多目标优化
全新正版 现货速发
￥ 77.8 6.5折 ￥ 120 全新
仅1件
江苏无锡
认证卖家担保交易快速发货售后保障
作者焦李成 等 著
出版社科学出版社
ISBN9787030521613
出版时间2017-03
装帧精装
开本16开
定价120元
货号1201487825
上书时间2024-12-06
- 在售商品 暂无
- 平均发货时间 9小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
第1章 认知科学及其特点
1.1 认知科学
1.1.1 认知科学的定义
1.1.2 认知科学的历史起源
1.1.3 认知科学的研究领域
1.1.4 认知科学的研究方法
1.1.5 认知科学的未来方向
1.2 认知雷达
1.2.1 认知雷达的基础概念
1.2.2 认知雷达的基本框架
1.2.3 认知雷达的工作原理
1.2.4 认知雷达的关键技术
1.3 认知无线网络及其无线资源管理概述.
1.3.1 认知无线网络概述
1.3.2 认知无线网络的智能性
1.3.3 认知无线网络的应用领域
1.3.4 认知无线网络的研究进展
1.3.5 认知无线网络的主要研究内容
1.3.6 认知无线网络中的无线资源管理问题
1.3.7 频谱分配的研究进展
1.3.8 频谱决策的研究进展
1.3.9 认知OFDM资源分配的研究进展
参考文献
第2章 多目标优化问题
2.1 多目标优化问题介绍
2.2 多目标进化算法简介
2.2.1 基于Pareto的多目标进化算法
2.2.2 基于指标的多目标进化算法
2.2.3 基于分解的多目标进化算法
2.3 多目标优化测试问题与度量指标研究
2.3.1 多目标优化测试问题
2.3.2 多目标优化算法度量指标
2.4 研究难点及现状
2.4.1 决策空间复杂的多目标优化问题
2.4.2 目标空间复杂的多目标优化问题
参考文献
第3章 基于等度规映射的ε支配机制用于求解多目标优化问题
3.1 引言
3.2 ε支配的定义与分析
3.2.1 ε支配与Pareto支配的关系
3.2.2 传统ε支配的缺点分析
3.3 基于等度规映射的歧配
3.3.1 等度规映射
3.3.2 改进ε支配机制的等度规映射方法
3.3.3 基于等度规映射的ε支配的时间复杂度分析
3.4 基于等度规映射ε支配的实验分析
3.4.1 实验测试函数
3.4.2 实验参数设置与评价指标选择
3.4.3 对九个不同Pareto前沿问题的实验测试结果与分析
3.4.4 本征维数的估计
3.5 本章小结
参考文献
第4章 基于在线非支配抗体的自适应多目标优化
4.1 引言
4.2 非支配等级划分方法和拥挤距离计算
4.2.1 非支配等级划分方法
4.2.2 拥挤距离计算
4.3 基于在线非支配抗体的自适应多目标优化算法
4.3.1 进化计算中的自适应机制总结
4.3.2 在线非支配抗体数量调查
4.3.3 基于在线非支配抗体的自适应多目标优化算法流程
4.3.4 在线非支配抗体自适应多目标优化算法的时间复杂度分析
4.4 仿真对比实验研究
4.4.1 测试函数选择与实验设置
4.4.2 对十个低维目标优化问题的实验结果对比与分析
4.4.3 引入参数KPO和KPT的敏感性分析
4.4.4 AHMA中三个阶段平均被调用次数
4.4.5 AHMA在求解高维目标优化问题的性能分析
4.4.6 AHMA的运行时间分析
4.5 本章小结
参考文献
第5章 基于自适应等级克隆和动态m近邻表的克隆选择多目标优化
5.1 引言
5.2 传统免疫多目标优化算法的性能分析
5.3 基于自适应等级克隆和动态m近邻表的克隆选择多目标优化算法
5.3.1 基于动态近邻表的抗体删除机制
5.3.2 自适应等级克隆机制
5.3.3 基于自适应等级克隆机制和m近邻表的克隆选择多目标优化算法流程
5.4 NNIA2的实验对比与分析
5.4.1 对比算法选择
5.4.2 优化问题选择和实验参数设置
5.4.3 NNIA2在求解低维目标测试函数的性能分析
5.4.4 NNIA2在求解高维目标测试函数的性能分析
5.4.5 NNIA2与NNIA的鲁棒性分析
5.4.6 NNIA2运算时间分析
5.5 本章小结
参考文献
第6章 基于角解优先的高维多目标非支配排序方法
6.1 引言
6.2 基于角解优先的高维多目标非支配排序方法相关背景
6.2.1 角解
6.2.2 相关非支配排序方法
6.3 基于角解优先的非支配排序方法
6.3.1 基本框架
6.3.2 排序方法
6.3.3 高维多目标优化问题的优势
6.4 算法有效性验证与结果分析
6.4.1 云数据
6.4.2 固定前端数据
6.4.3 混合数据
6.4.4 实际数据
6.4.5 讨论与分析
6.5 本章小结
参考文献
第7章 双档案高维多目标进化算法
7.1 引言
7.2 双档案算法简介
7.2.1 基本框架
7.2.2 优点与缺点
7.3 基于双档案的高维多目标进化算法
7.3.1 基本框架
7.3.2 收敛性档案选择方法
7.3.3 多样性档案选择方法
7.4 算法有效性验证与结果分析
7.4.1 算法分析
7.4.2 对比实验
7.5 本章小结
参考文献
第8章 融合非局部均值去噪的高效免疫多目标SAR图像自动分割
8.1 引言
8.2 基于非局部均值的SAR图像去噪技术
8.3 融合非局部均值去噪的高效免疫多目标SAR图像自动分割算法
8.3.1 基于动态拥挤距离的抗体删除策略
8.3.2 自适应等级均匀克隆机制
8.3.3 基因座近邻表示的抗体编码机制与分割目标函数选择
8.3.4 本章提出的SAR图像自动分割算法
8.4 实验及结果分析
8.4.1 五个对比算法分析与关键参数设置
8.4.2 针对两幅合成SAR图像和TerraSAR卫星图像的实验结果分析
8.4.3 进化代数对于MASF性能的影响
8.4.4 非局部均值滤波与特征提取方案对最终分割结果的比较
8.4.5 MASF运行时间对比分析
8.5 本章小结
参考文献
第9章 基于自然计算优化的非凸重构方法
9.1 引言
9.2 基于自然计算优化的两阶段压缩感知重构模型
9.3 基于过完备字典和结构稀疏的重构策略
9.3.1 块压缩感知重构
9.3.2 结构稀疏约束的重构模型
9.4 基于自然计算优化的两阶段非凸重构方法
9.4.1 基于遗传进化的第一阶段重构
9.4.2 基于克隆选择的第二阶段重构
9.5 仿真实验及结果分析
参考文献
第10章 基于免疫克隆优化的认知无线网络频谱分配
10.1 引言
10.2 认知无线网络的频谱感知和分配模型
10.2.1 物理层频谱感知过程
10.2.2 物理连接模型及建模过程
10.2.3 认知无线网络频谱分配的图着色模型
10.2.4 认知无线网络的频谱分配矩阵
10.3 基于免疫克隆优化的频谱分配具体实现
10.3.1 算法具体实现
10.3.2 算法特点和优势分析
10.3.3 算法收敛性证明
10.4 仿真实验与结果分析
10.4.1 实验数据的生成
10.4.2 算法参数设置
10.4.3 实验结果及对比分析
10.4.4 基于WRAN的系统级仿真
10.5 本章小结
参考文献
第11章 基于混沌量子克隆的按需频谱分配算法
11.1 引言
11.2 考虑认知用户需求的按需频谱分配模型
11.2.1 基于图着色理论的频谱分配建模
11.2.2 考虑认知用户需求的频谱分配模型
11.3 基于混沌量子克隆算法的按需频谱分配具体实现
11.3.1 算法具体实现过程
11.3.2 算法特点和优势分析
11.3.3 算法收敛性分析
11.4 仿真实验与结果分析
11.4.1 实验数据的生成
11.4.2 相关算法参数的设置
11.4.3 实验结果及对比分析
11.5 本章小结
参考文献
第12章 量子免疫克隆算法求解基于认知引擎的频谱决策问题
12.1 引言
12.2 基于认知引擎的频谱决策分析与建模
12.3 算法关键技术与具体实现
12.3.1 关键技术
12.3.2 算法具体步骤
12.3.3 算法特点和优势分析
12.3.4 算法收敛性分析
12.4 仿真实验及结果分析
12.4.1 仿真实验环境及参数设置
12.4.2 仿真实验结果及分析
12.5 本章小结
参考文献
第13章 基于免疫优化的认知OFDM系统资源分配
13.1 引言
13.2 基于免疫优化的子载波资源分配
13.2.1 认知OFDM子载波资源分配描述
13.2.2 认知OFDM子载波资源分配模型
13.2.3 算法实现的关键技术
13.2.4 基于免疫优化的算法实现过程
13.2.5 算法特点和优势分析
13.2.6 仿真实验结果
13.2.7 小结
13.3 基于免疫优化的功率资源分配
13.3.1 功率资源分配问题描述
13.3.2 功率资源分配问题的模型
13.3.3 算法实现的关键技术
13.3.4 基于免疫克隆优化的算法实现过程
13.3.5 算法特点分析
13.3.6 实验结果与分析
13.3.7 小结
13.4 联合子载波和功率的比例公平资源分配
13.4.1 问题描述
13.4.2 比例公平资源分配模型
13.4.3 基于免疫优化的资源分配实现过程
13.4.4 仿真实验结果与分析
13.4.5 小结
13.5 本章小结
参考文献
内容摘要
由焦李成、尚荣华、刘芳、杨淑媛、侯彪等所合著的《认知计算与多目标优化（精）》一书对近年来认知计算和多目标优化领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。全书从认知计算和多目标优化两个方面展开，主要内容包含以下几个方面：认知科学及其特点，多目标优化问题及其求解方法，高效免疫多目标SAR图像自动分割算法，基于智能计算的认知无线网络频谱分配与频谱决策方法。
本书可为计算机科学、信息科学、人工智能、自动化技术等领域及其交叉领域从事量子计算、进化算法、机器学习及相关应用研究的技术人员提供参考，也可作为相关专业研究生和高年级本科生教材。
主编推荐
《认知计算与多目标优化》可为计算机科学、信息科学、人工智能、自动化技术等领域及其交叉领域从事量子计算、进化算法、机器学习及相关应用研究的技术人员提供参考，也可作为相关专业研究生和高年级本科生教材。
精彩内容
靠前章 认知科学及其特点
1.1 认知科学
1.1.1 认知科学的定义
何谓认知科学？目前，对于认知科学的定义仍然存在着许多不同的意见。简单地说，认知科学就是研究认知的科学，因此可以先定义认知，继而定义认知科学。认知是指人的感觉器官对外界事物进行信息加工的过程。认知过程就是通过记忆、思维、想象、感觉、知觉、言语等活动来搞清事物的性质和规律，使认识的主体获得知识的过程。因此，对认知科学就可以有“狭义”和“广义”两种方式的理解[1]。
狭义的理解是把认知当做信息计算处理的过程，把认知科学当做心智的计算理论。典型的狭义理解如Sloan报告：“认知科学研究智能实体与其环境相互作用的原理”“认知科学的分支学科共享一个共同的研究对象：发现心智的具象和计算能力，以及它们在脑中的结构和功能表象”[2]。这里认知可以分解为记忆、思维、想象、感觉、知觉、言语等一系列阶段，每个阶段可以设定为一个单元，每个单元又对输入的信息进行某一特定的操作。
广义的理解是认知与认识相似，认知科学就是“心”的科学、智能的科学，并且是关于知识及其应用的科学。在上述研究领域的基础上，增加一些相关学科。典型的广义认知科学定义由Norman给出：“认知科学是将那些从不同观点研究认知的追求综合起来而创立的新学科。认知科学的关键问题是研究对认知的理解，不论它是真实的还是抽象的，是关于人的还是关于机器的。认知科学的目标是理解智能和认知行为的原则，它希望通过这些研究更好地理解人类心智，理解教和学，理解精神能力，理解智能装置的发展，而这些装置能够以一种重要的和积极的方式来增强人类的能力[3]。”
1.1.2 认知科学的历史起源
认知科学的历史起源要追溯到古希腊时代，柏拉图和亚里士多德等学者都对人的认知性质进行了探讨，并且发表了有关思维和记忆的论述。他们的一些论点也成为后来经验论与唯理论之间争论的焦点。经验论主张者洛提出了“白版说”，认为一切观念或认识都是从后天的经验得来。然而唯理论主张者笛卡儿提出：“我思故我在”，主要强调思维或理智的作用。
被视为认知科学三大核心学科之一的“认知心理学”，很早是1967年美国心理学家奈塞在他的《认知心理学》中正式提出来的。因此，他是心理学界认可的“认知心理学之父”。学者一般认为，“认知科学”这个词很早是在1975年由鲍布罗和柯林斯公开提出的。同年10月，心理学家皮亚杰和语言学家乔姆斯基等学者，在巴黎近郊进行了一场辩论，之后哈佛大学将大家的言论汇集成书，命名为《语言学习》。格德纳为这本书题写了名为“认知时代来到了”的前言，并对这场辩论的意义以及可能产生的影响做出了分析。一般认为，“认知科学”这门新学科正式确立的标志性事件是1979年在Sloan基金会的资助下，开展的一次重要会议。此次会议以“认知科学”的名义，邀请了许多不同学科的有名学者，详细阐述了认知科学各方面的内容。会议还决定成立美国认知科学学会，并以1977年创办的期刊《认知科学》作为学会的正式刊物。随后一批具有靠前影响力的认知科学学术期刊相继创刊，如《认知心理学》《认知》以及《认知神经科学》等。2000年，在美国国家科学基金会（NSF）和美国商务部（DOC）的共同资助下，50多名科学家展开了一个研究计划，目的是要弄清楚在21世纪哪些学科是带头学科，研究的结果是一份长达480多页的题为《聚合四大技术力量，促进人类生存发展》的研究报告，但是报告的结论表述很简单，只有4个字母NBIC。NBIC分别代表四个学科：纳米技术、生物技术、信息技术和认知科学。近年来，美国的许多高校，如哈佛大学、麻省理工学院、斯坦福大学、加州大学的各个分校、纽约州立大学各分校等，都建立了认知科学的研究中心或研究所。
— 没有更多了 —
以下为对购买帮助不大的评价