改進的群智慧型算法及其套用

《改進的群智慧型算法及其套用》是2020年清華大學出版社出版圖書，作者是胡紅萍。

基本介紹

• 中文名：改進的群智慧型算法及其套用
• 作者：胡紅萍
• 出版社：清華大學出版社
• 出版時間：2020年12月1日
• ISBN：9787302569633 
• 印次：1-4

內容簡介

本書主要包括利用改進的卷積神經網路實現合成孔徑雷達目標識別，提出了改進的群智慧型算法，並結合機器學習實現合成孔徑雷達目標識別、MEMS矢量水聽器信號的去噪估計、癌症分類、傳染病預測、空氣品質指數預測與等級分類、機器人轉向分類和地質水水質分類。本書有較強的實用性和套用性，既結合實際套用的需要，又從理論上加以指導。本書可作為套用數學、信號處理、圖像處理、最佳化算法、預測與分類等方向研究生學習，還可供從事機器學習的科研工作者參考。

目錄

第1章緒論

1.1引言

1.2群智慧型算法與機器學習

1.2.1群智慧型算法

1.2.2機器學習

1.2.3機器學習與群智慧型最佳化算法的結合

1.3發展概述

1.3.1合成孔徑雷達目標識別

1.3.2MEMS矢量水聽器信號去噪和DOA估計

1.3.3基於基因表達譜的癌症分類

1.3.4傳染病預測

1.3.5機器人移動轉向與地表水水質分類

1.3.6空氣品質指數的預測與分類

1.3.7股票指數預測

1.3.8預測性能指標

1.4本書的主要內容

第2章基於機器學習的合成孔徑雷達目標識別

2.1引言

2.2基於CNN的合成孔徑雷達目標識別

2.2.1基本CNN

2.2.2數據集

2.2.3數據預處理

2.2.4基於CNN與RF的合成孔徑雷達目標識別

2.2.5基於CNNPCADT算法的SAR目標識別

2.3基於Harris鷹最佳化算法與支持向量機的SAR目標識別

2.3.1基本算法

2.3.2改進的Harris鷹算法

2.3.3函式極值尋優

2.3.4基於IHHO和SVM的SAR目標識別

2.3.5結論

2.4本章小結

第3章MEMS水聽器的信號去噪與DOA估計

3.1引言

3.2基於變分模態分解和小波閾值處理的去噪和基線漂移去除方法

3.2.1基本原理

3.2.2基於VMD和NWT的聯合去噪方法

3.2.3仿真數據去噪

3.2.4湖泊實驗

3.2.5結論

3.3基於IGA小波軟閾值的矢量水聽器的去噪方法

3.3.1遺傳算法

3.3.2基於改進遺傳算法的去噪方法

3.3.3仿真實驗

3.3.4實測實驗

3.3.5結論

3.4改進的飛鼠搜尋算法與DML的矢量水聽器的DOA估計

3.4.1基本算法

3.4.2基於SSA和IWO的混合算法

3.4.3基準函式的極值尋優

3.4.4基於ISSADML的DOA估計

3.4.5結果分析與討論

3.4.6結論

3.5本章小結

第4章基於基因表達譜的癌症分類

4.1引言

4.2基於BP、SVM和SKohonen的結腸癌的分類

4.2.1數據源

4.2.2數據處理

4.2.3實驗結果

4.2.4結論

4.3基於人工神經網路的子宮內膜癌的分類

4.3.1數據源

4.3.2基於人工神經網路分類器的子宮內膜癌的分類

4.3.3基於改進的灰狼算法的子宮內膜癌的識別

4.4本章小結

第5章三類傳染病的預測

5.1引言

5.2改進的人工蜂群算法對手足口病發病人數的預測

5.2.1基本蜂群算法

5.2.2改進的ABC算法

5.2.3ABCIWBP預測模型

5.2.4實驗

5.2.5結論

5.3基於改進的蟻獅最佳化算法與人工神經網路的中國流感預測

5.3.1蟻獅最佳化算法

5.3.2改進的蟻獅算法

5.3.3基準函式的極值尋優

5.3.4IALO算法最佳化BP神經網路實現中國流感預測

5.3.5討論

5.3.6結論

5.4基於改進的人工樹算法和人工神經網路的流感樣病例預測

5.4.1IATBPNN預測模型

5.4.2實驗

5.4.3討論

5.4.4結論

5.5基於改進的遺傳算法與人工神經網路的流感樣疾病的預測

5.5.1IWOGABPNN預測模型

5.5.2實驗

5.5.3結論

5.6基於改進的MVO算法與Elman神經網路的流感樣疾病的預測

5.6.1多元最佳化器

5.6.2改進的MVO算法

5.6.3實驗

5.6.4結論

5.7本章小結

第6章機器人轉向及地表水水質分類

6.1引言

6.2基於PSO與GSA的地表水水質及機器人轉向分類

6.2.1引力搜尋算法

6.2.2分類模型

6.2.3實驗

6.2.4討論

6.2.5結論

6.3基於PCA和改進的PSOSVM機器人轉向分類

6.3.1基於PCA和改進的PSO算法最佳化SVM的分類模型

PSOSVM

6.3.2實驗結果

6.3.3結論

6.4本章小結

第7章空氣品質指數的預測與分類

7.1引言

7.2基於ISSASVM的空氣品質的等級分類

7.2.1數據源

7.2.2實驗結果

7.2.3結論

7.3基於改進的鯨最佳化算法的空氣品質指數的預測

7.3.1鯨最佳化算法

7.3.2改進的鯨最佳化算法

7.3.3函式極值尋優

7.3.4基於IWOA的太原市AQI預測

7.3.5結論

7.4基於改進的粒子群算法和RBF神經網路的空氣品質指數預測

7.4.1慣性權重的選擇

7.4.2EDIWPSO算法最佳化的PBF模型

7.4.3實驗

7.4.4結論

7.5基於TVIWPSOGSA算法與SVM的空氣品質的等級分類

7.5.1分類模型

7.5.2實驗

7.5.3結論

7.6基於改進的思維進化算法與BP神經網路的AQI預測

7.6.1思維進化算法

7.6.2改進的MEA算法

7.6.3基於MEAPSOGA的BP神經網路

7.6.4空氣品質指數預測結果及分析

7.6.5結論

7.7基於飛蛾撲火算法與支持向量機的空氣品質指數預測

7.7.1飛蛾撲火最佳化算法

7.7.2MFOSVM算法

7.7.3實驗

7.7.4結論

7.8本章小結

第8章股市指數預測

8.1引言

8.2基於改進的正餘弦算法的股票指數預測

8.2.1正餘弦算法

8.2.2預測模型

8.2.3實驗

8.2.4結論和討論

8.3基於改進的Harris鷹最佳化算法與極限學習機的股票指數預測

8.3.1數據源

8.3.2基於IHHO和極限學習機的預測模型

8.3.3實驗結果

8.3.4討論

8.3.5結論

8.4基於改進的動態粒子群最佳化和AdaBoost算法的股票指數預測

8.4.1AdaBoost算法

8.4.2基於EDIWPSO和AdaBoost算法的GRBF模型

8.4.3實驗

8.4.4結論

8.5本章小結

附錄

參考文獻

作者簡介

胡紅萍，1973年7月生，博士，中北大學副教授，碩士生導師，主持山西省自然科學基金1項、山西省回國留學人員科研資助項目1項、山西省青年科技研究基金1項和博士後自然科學基金1項，參加國家自然科學基金4項、山西省自然科學基金3項、山西省重點研發計畫項目1項，發表論文50餘篇，其中高水平論文20餘篇，山西省科技進步二等獎1項（排名第五）。主要從事人工智慧、圖像識別、信號處理、預測與分類等研究。