多维粒子群优化在机器学习与模式识别中的应用

图书标准信息

• 作者 董鹏菲、董银文、龚立 译
• 出版社 国防工业出版社
• 出版时间 2017-06
• 版次 1
• ISBN 9787118113549
• 定价 108.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 355页
• 字数 388千字
• 正文语种 简体中文

【内容简介】

　　现实世界中的优化问题通常是多模态的，会产生迷惑性的局部****解，从而给工程实践带来了更大的挑战。许多工程问题的特殊性质要求算法具有动态适应性、能够求解****解所在的搜索空间的维度以及具备避免陷入局部****的鲁棒性。《多维粒子群优化在机器学习与模式识别中的应用》探讨了一种能够满足上述需求的优化新技术——多维粒子群优化方法，用以解决一些更为复杂的问题，即通常被描述为****维度未知的多位搜索空间。这种情况下，多维粒子群优化能够搜索位置和维度上的****。此外，书中介绍了两个补充增强方法：分形全局****构建技术和同时扰动随机逼近，这两种方法能够有效避免陷入局部****，尤其是高维多模搜索空间的情况。《多维粒子群优化在机器学习与模式识别中的应用》还进一步研究了多维粒子群优化方法在机器学习和模式识别基础领域中的应用，例如：数据聚类、优化神经网络结构、数据挖掘和基于内容的多媒体分类等，给出了探索多维粒子群优化应用于工程或其他学科潜在领域的方法。《多维粒子群优化在机器学习与模式识别中的应用》通过C/C++源代码对算法进行了补充说明，并提供了大量的样本数据集来对书中提出的概念进行了阐释。这使得专业人员能够深入理解和使用这些技术，并将其应用于其相应的专业领域中。

【目录】

第1章 绪论
1．1 最优化历史发展
1．2 核心问题
1．3 本书内容简介
参考文献

第2章 最优化技术概述
2．1 最优化技术的历史
2．2 确定性分析方法
2．2．1 梯度下降法
2．2．2 牛顿一拉普森迭代法
2．2．3 Nelder-Mead搜索方法
2．3 随机方法
2．3．1 模拟退火算法
2．3．2 随机逼近方法
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 非线性函数最小化
3．4．2 数据聚类
3．4．3 人工神经网络
3．5 程序注解与软件开发包
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 程序注解与软件包
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 改进全局收敛性
5．1 分形全局最优构建
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 非线性函数最小化
5．2 动态环境的最优化方法
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 常规移动峰函数性能评估
5．2．6 多维移动峰函数性能评估
5．3 谁将指导指南
5．3．1 随机扰动同时逼近方法概述
5．3．2 同时逼近驱动的粒子群优化和
多维粒子群优化算法
5．3．3 非线性函数最小化的应用
5．4 回顾与总结
5．5 程序注解与软件包
5．5．1 FGBF在PSO MDlib应用程序中的操作
5．5．2 分形全局最优构建多维粒子优化
在MPB中的应用
参考文献

第6章 动态数据聚类
第7章 进化人工神经网络
第8章 个体心电图分类
第9章 基于两类分类器集合网络的图像分类与检索
第10章 演进特征的综合