本書全面、系統、深入地介紹了MATLAB算法及案例套用。書中結合算法分析的理論和流程，詳解了大量的工程案例及其具體的代碼實現，讓讀者可以深入學習和掌握各種算法在相關領域中的具體套用。
基本介紹
- 書名：MATLAB最佳化算法案例分析與套用（進階篇）
- ISBN：9787302397014
- 定價：79.8元
- 裝幀：平裝
出版背景,主要內容,圖書目錄,
出版背景
ISBN：9787302397014
定價：79.8元
印次：1-1
裝幀：平裝
印刷日期：2015-4-24
主要內容
本書全面、系統、深入地介紹了MATLAB算法及案例套用。書中結合算法分析的理論和流程，詳解了大量的工程案例及其具體的代碼實現，讓讀者可以深入學習和掌握各種算法在相關領域中的具體套用。
本書共分兩篇。第1篇為MATLAB常用算法套用設計，包括貝葉斯分類器的數據處理、背景差分的運動目標檢測、小波變換的圖像壓縮、BP的模型最佳化預測、RLS算法的數據預測、GA最佳化的BP網路算法分析、分形維數套用、碳排放約束下的煤炭消費量最佳化預測、焊縫邊緣檢測算法對比分析、指紋圖像細節特徵提取、多元回歸模型的礦井通風量計算、非線性多混合擬合模型的植被過濾帶計算、伊藤微分方程的布朗運動分析、Q學習的無線體域網路由方法和遺傳算法的公交排班系統分析。第2篇為MATLAB高級算法套用設計，包括人臉檢測識別、改進的多運算元融合圖像識別系統設計、罰函式的粒子群算法的函式尋優、車載自組織網路中路邊性能及防碰撞算法研究、免疫算法的數值逼近最佳化分析、啟發式算法的函式最佳化分析、一級倒立擺變結構控制系統設計與仿真研究、蟻群算法的函式最佳化分析、引力搜尋算法的函式最佳化分析、細菌覓食算法的函式最佳化分析、匈牙利算法的指派問題最佳化分析、人工蜂群算法的函式最佳化分析、改進的遺傳算法的城市交通信號最佳化分析、差分進化算法的函式最佳化分析和魚群算法的函式最佳化分析。
本書既適合所有想全面學習MATALB算法開發的人員閱讀，也適合各種使用MATALB進行開發的工程技術人員閱讀。對於相關高校的教學與研究，本書也是不可或缺的參考書。另外，對於MATLAB愛好者，本書也對網路上討論的大部分疑難問題給出了解答，值得一讀。
圖書目錄
目 錄
第1篇 MATLAB常用算法套用設計
第1章 基於貝葉斯分類器的數據處理與MATLAB實現 2
1.1 貝葉斯理論 2
1.2 高斯機率密度函式 3
1.3 最小距離分類器 8
1.3.1 歐氏距離分類器 8
1.3.2 馬氏距離分類器 8
1.3.3 基於高斯機率密度函式的最大似然估計 10
1.4 混合機率分布 13
1.5 期望最大化算法 17
1.6 Parzen窗 30
1.7 K最近鄰密度估計法 31
1.8 樸素貝葉斯分類器 34
1.9 最近鄰分類原則 36
1.10 本章小結 37
第2章 基於背景差分的運動目標檢測與MATLAB實現 38
2.1 運動目標檢測的一般過程 38
2.1.1 手動背景法 38
2.1.2 統計中值法 39
2.1.3 算術平均法 39
2.2 運動目標檢測的一般方法 41
2.2.1 幀間差法運動目標檢測 41
2.2.2 背景差法運動目標檢測 43
2.3 本章小結 45
第3章 基於小波變換的圖像壓縮與MATLAB實現 46
3.1 小波變換原理 46
3.2 多尺度分析 47
3.3 圖像的分解和量化 48
3.3.1 一維小波變換 48
3.3.2 二維變換體系 49
3.3.3 量化 49
3.4 圖像壓縮編碼 50
3.4.1 圖像編碼評價 51
3.4.2 壓縮比準則 52
3.5 圖像壓縮與MATLAB實現 52
3.6 本章小結 60
第4章 基於BP的模型最佳化預測與MATLAB實現 61
4.1 BP神經網路模型及其基本原理 61
4.2 MATLAB BP神經網路工具箱 62
4.3 基於BP神經網路的PID參數整定 64
4.3.1 理論分析 64
4.3.2 算法流程 67
4.3.3 算法仿真 68
4.4 基於BP神經網路的數字識別系統設計 72
4.5 本章小結 76
第5章 基於RLS算法的數據預測與MATLAB實現 77
5.1 遞歸最小二乘（RLS）算法套用背景 77
5.2 RLS算法基本原理與流程 78
5.2.1 RLS算法基本原理 78
5.2.2 RLS算法流程 79
5.3 RLS數據線性預測分析與MATLAB實現 80
5.4 本章小結 83
第6章 基於GA最佳化的BP網路算法分析與MATLAB實現 84
6.1 遺傳算法 84
6.2 BP神經網路 85
6.3 基於GA最佳化的BP神經網路的大腦灰白質圖像分割 85
6.4 基於GA最佳化的BP神經網路的礦井通風量計算 98
6.4.1 某工作面最優通風量分析 101
6.4.2 總迴風巷最優通風量分析 113
6.5 本章小結 124
第7章 分形維數套用與MATLAB實現 125
7.1 分形盒維數概述 125
7.2 二維圖像分形盒維數分析 126
7.3 基於短時分形維數的語音信號檢測 127
7.3.1 時間序列信號圖形的格線分形 127
7.3.2 噪聲語音信號的短時格線分形 128
7.4 本章小結 132
第8章 碳排放約束下的煤炭消費量最佳化預測 133
8.1 煤炭消費量概述 133
8.2 煤炭影響因素分析 135
8.3 煤炭消耗量最佳化預測模型構建 136
8.3.1 CO2排放強度的雙立方插值擬合 136
8.3.2 煤炭、石油和天然氣與CO2排放強度回歸模型構建 137
8.3.3 煤炭、石油和天然氣碳排放係數構建 140
8.3.4 節能減排和經濟發展最佳化目標構建與求解 141
8.4 本章小結 145
第9章 焊縫邊緣檢測算法對比分析與MATLAB實現 146
9.1 焊縫邊緣檢測研究 146
9.2 圖像預處理技術 147
9.3 焊縫圖像邊緣檢測 149
9.3.1 Sobel運算元 149
9.3.2 Prewitt運算元 151
9.3.3 Canny運算元 152
9.3.4 形態學處理 155
9.3.5 邊緣檢測效果對比 156
9.4 本章小結 158
第10章 指紋圖像細節特徵提取與MATLAB實現 159
10.1 指紋識別技術概述 159
10.2 指紋識別系統的工作原理 159
10.3 指紋細節特徵的提取 160
10.3.1 指紋特徵提取的方法 160
10.3.2 指紋圖像的細化後處理 161
10.3.3 特徵點的提取 162
10.3.4 指紋特徵的去偽 163
10.4 指紋圖像去偽與MATLAB實現 163
10.5 本章小結 168
第11章 基於多元回歸模型的礦井通風量計算 169
11.1 礦井通風量概述 169
11.2 礦井通風量回歸模型分析 169
11.3 通風量多元回歸分析 170
11.3.1 數據的預處理 170
11.3.2 瓦斯、煤塵、溫度、濕度與通風量模型的建立 173
11.4 礦井最優通風風量有效性分析 175
11.4.1 空氣中煤塵濃度與風速映射關係建模 175
11.4.2 空氣中瓦斯濃度與風速映射關係建模 176
11.4.3 礦井中溫濕度與風速映射關係建模 177
11.5 預測模型誤差檢驗 178
11.6 本章小結 180
第12章 基於非線性多混合擬合模型的植被過濾帶計算 181
12.1 植被試驗場概況 181
12.2 試驗方法 182
12.2.1 試驗參數 182
12.2.2 土樣的分析方法 182
12.2.3 水樣的分析方法 183
12.3 植被過濾帶淨化效果評價方法 183
12.4 植被過濾帶淨化效果影響因素分析 184
12.4.1 植被條件對植被過濾帶淨化效果的影響 184
12.4.2 入流水文條件對植被過濾帶淨化效果的影響 185
12.4.3 頻寬對植被過濾帶淨化效果的影響 185
12.4.4 坡度對植被過濾帶淨化效果的影響 186
12.4.5 入流污染物濃度對植被過濾帶淨化效果的影響 187
12.4.6 土壤初始含水量對植被過濾帶淨化效果的影響 188
12.5 植被過濾帶淨化效果關聯度計算 188
12.6 基於非線性多混合擬合模型的濃度削減率計算 191
12.7 本章小結 197
第13章 基於伊藤微分方程的布朗運動分析 198
13.1 隨機微分方程數學模型 198
13.1.1 布朗運動概述 198
13.1.2 布朗運動的數學模型 199
13.2 布朗運動的隨機微分方程 199
13.2.1 隨機微分方程 200
13.2.2 隨機微分方程係數 200
13.3 伊藤微分方程及伊藤微分法則 201
13.3.1 伊藤微分方程 201
13.3.2 伊藤積分 201
13.3.3 伊藤過程 201
13.3.4 伊藤隨機微分方程的解析解 202
13.3.5 伊藤隨機微分方程的數值解 202
13.4 數值布朗運動模擬與MATLAB實現 203
13.4.1 布朗運動的模擬 203
13.4.2 幾何布朗運動的模擬 204
13.4.3 伊藤微分方程的布朗運動模擬 205
13.5 本章小結 206
第14章 基於Q學習的無線體域網路由方法 207
14.1 無線體域網研究背景 207
14.2 無線體域網性能分析 208
14.2.1 無線體域網系統結構 209
14.2.2 無線體域網的主要特點 209
14.3 無線體域網路由協定 210
14.3.1 無線路由協定 210
14.3.2 高效節能路由協定 210
14.3.3 DSR路由協定 212
14.4 基於Q學習的無線體域網路由方法 212
14.4.1 Agent增強學習算法 212
14.4.2 增強學習算法的基本原理 213
14.4.3 Q-learning增強學習算法 215
14.4.4 基於Q學習的無線體域網路由策略 216
14.4.5 WBAN路由分析與MATLAB實現 219
14.5 本章小結 234
第15章 基於遺傳算法的公交排班系統分析 235
15.1 公交排班系統背景分析 235
15.2 公交線路模型仿真 236
15.2.1 車輛行駛模型 236
15.2.2 乘客上下車模型 236
15.3 遺傳算法的發展與現狀 240
15.4 遺傳算法的基本思想 241
15.5 遺傳算法的特點 242
15.6 遺傳算法的套用步驟 242
15.7 公交排班問題模型設計 243
15.7.1 模型假設 243
15.7.2 定義變數 243
15.7.3 建立目標函式 244
15.7.4 算法結構 245
15.8 本章小結 253
第16章 人臉檢測識別與MATLAB實現 254
16.1 人臉檢測的意義 254
16.2 人臉檢測常用的幾個彩色空間 255
16.2.1 RGB彩色空間 255
16.2.2 標準化RGB彩色空間 255
16.2.3 HSV彩色空間 256
16.2.4 YCrCb彩色空間 259
16.3 靜態膚色模型 261
16.3.1 RGB顏色空間分割 262
16.3.2 HSV顏色空間分割 263
16.3.3 YCbCr顏色空間分割 264
16.4 基於Lab顏色空間的人臉分割 266
16.5 運動人圖像檢測與MATLAB實現 267
16.6 本章小結 269
第2篇 MATLAB高級算法套用設計
第17章 基於改進的多運算元融合的圖像識別系統設計 272
17.1 圖像處理研究內容 272
17.2 圖像處理的特點 274
17.3 圖像數位化 275
17.4 Gabor濾波 276
17.5 直方圖增強 278
17.6 圖像邊緣概述 279
17.7 圖像邊緣分割模組 280
17.7.1 Sobel運算元 280
17.7.2 Prewitt運算元 282
17.7.3 Canny運算元 283
17.7.4 Roberts運算元 284
17.7.5 Laplacian運算元 286
17.7.6 kirsch方向運算元 288
17.7.7 多運算元融合 291
17.8 足跡圖像識別系統 293
17.9 本章小結 297
第18章 基於罰函式的粒子群算法的函式尋優 298
18.1 粒子群算法概述 298
18.2 粒子群算法模型 299
18.3 罰函式法 299
18.4 汽車動力傳動參數最佳化設計 300
18.4.1 汽車動力性評價 300
18.4.2 汽車燃油經濟性評價 301
18.4.3 汽車動力性與燃油經濟性的綜合評價 301
18.4.4 目標函式與約束條件分析 302
18.4.5 基於罰函式的PSO算法與MATLAB實現 304
18.5 本章小結 310
第19章 車載自組織網路中路邊性能及防碰撞算法研究 311
19.1 車載自組織網路概述 311
19.2 車載自組織網路特徵 312
19.3 VANET網路架構 314
19.3.1 車路通信（RVC） 315
19.3.2 車間通信（IVC） 315
19.3.3 混合通信（HVC） 318
19.4 車輛自組織網路的管理問題 318
19.5 車載自組織網路的連通性 319
19.5.1 無線網路連通性 319
19.5.2 車載自組織網路連通性 320
19.6 車載網路路邊性能分析 321
19.6.1 隨機模型 321
19.6.2 流動模型 322
19.6.3 交通模型 322
19.6.4 基於軌跡模型 322
19.7 Kruskal算法 322
19.8 Dijkstra算法 323
19.9 車路通信 324
19.10 車間通信 331
19.11 單路邊性能分析 335
19.12 雙路邊性能分析 338
19.13 車載自組織網路中防碰撞研究 342
19.13.1 換道模型分析 342
19.13.2 十字路口分析 342
19.13.3 高速車輛防碰撞動態仿真 346
19.13.4 城市車載網路防碰撞仿真 351
19.14 本章小結 357
第20章 基於免疫算法的數值逼近最佳化分析 358
20.1 免疫算法套用分析 358
20.2 人工免疫算法的基本原理 359
20.2.1 多樣度 360
20.2.2 相似度 360
20.2.3 抗體濃度 360
20.2.4 聚合適應度 360
20.3 人工免疫算法的基本步驟 361
20.4 人工免疫算法的收斂性分析 362
20.5 人工免疫算法和遺傳算法比較 363
20.6 人工免疫算法MATLAB實現 363
20.7 本章小結 369
第21章 基於啟發式算法的函式最佳化分析 370
21.1 啟發式搜尋算法概述 370
21.2 群智慧型最佳化算法 371
21.2.1 粒子群算法PSO 371
21.2.2 遺傳算法GA 371
21.2.3 人群搜尋算法SOA 371
21.2.4 模擬退火算法SA 371
21.2.5 蟻群算法ACO 372
21.2.6 魚群算法FSA 372
21.3 APSO算法原理分析 372
21.4 APSO函式最佳化分析與MATLAB實現 374
21.5 本章小結 379
第22章 一級倒立擺變結構控制系統的設計與仿真研究 380
22.1 倒立擺控制概述 380
22.2 滑模變結構控制理論概述 381
22.3 變結構控制理論的發展及現狀 381
22.4 滑模變結構控制定義 382
22.5 滑模控制的基本原理與性質 383
22.5.1 滑動模態的存在條件 383
22.5.2 滑動模態的到達條件 383
22.5.3 滑模控制系統的匹配條件及不變性 384
22.5.4 滑模控制器設計的基本方法 385
22.6 基於趨近率的滑模控制器仿真 385
22.7 倒立擺模型分析 389
22.8 倒立擺狀態空間 391
22.9 倒立擺變數空間的θ化 393
22.10 倒立擺系統PID控制 396
22.10.1 PID參數整定 397
22.10.2 基於PID的一級倒立擺控制仿真 398
22.11 倒立擺滑模控制 400
22.12 本章小結 407
第23章 基於蟻群算法的函式最佳化分析 409
23.1 蟻群算法概述 409
23.2 蟻群算法的性能分析 410
23.3 蟻群算法的工作原理 411
23.4 基於蟻群算法的函式最佳化問題分析 412
23.4.1 函式最佳化問題 412
23.4.2 蟻群算法基本思想 413
23.5 函式最佳化分析與MATLAB實現 413
23.6 本章小結 418
第24章 基於引力搜尋算法的函式最佳化分析 419
24.1 萬有引力搜尋算法的介紹與分析 419
24.1.1 萬有引力定理 419
24.1.2 GSA算法描述 421
24.1.3 慣性質量計算 421
24.1.4 引力計算 421
24.1.5 位置更新 422
24.1.6 參數分析 422
24.2 萬有引力算法收斂性分析 423
24.3 萬有引力算法實現流程 424
24.4 萬有引力算法函式最佳化分析與MATLAB實現 425
24.5 本章小結 434
第25章 基於細菌覓食算法的函式最佳化分析 435
25.1 細菌覓食算法概述 435
25.2 細菌覓食算法與其他生物智慧型算法的對比 436
25.3 標準細菌覓食最佳化算法 437
25.3.1 大腸桿菌的覓食行為 437
25.3.2 BFO算法基本原理 438
25.3.3 趨向性操作（Chemotaxis） 439
25.3.4 聚集性操作（Swarming） 439
25.3.5 複製性操作（Reproduction） 440
25.3.6 遷徙性操作（Elimination and Dispersal） 440
25.4 BFO算法流程 440
25.5 BFO算法參數選取 442
25.5.1 種群大小S 442
25.5.2 遊動步長C 443
25.5.3 引力深度dattractant、引力寬度wattractant、斥力高度hrepellant和斥力寬度wrepellant 443
25.5.4 趨向性操作中的次數Nc和Ns 443
25.5.5 複製操作執行的次數Nre 443
25.5.6 遷徙操作中的兩個參數Ned和Ped 444
25.6 細菌覓食最佳化算法函式最佳化分析與MATLAB實現 444
25.7 細菌覓食最佳化算法深入探討 450
25.7.1 趨向性操作的分析與改進 450
25.7.2 複製性操作的分析與改進 451
25.7.3 遷徙性操作的分析與改進 452
25.8 本章小結 452
第26章 基於匈牙利算法的指派問題最佳化分析 453
26.1 匈牙利算法 453
26.2 匈牙利算法計算實例步驟 454
26.3 指派問題的數學模型 455
26.4 本章小結 461
第27章 基於人工蜂群算法的函式最佳化分析 462
27.1 人工蜂群算法概述 462
27.2 蜜蜂采蜜機理 462
27.3 算法原理 464
27.4 ABC算法流程 466
27.5 人工蜂群算法函式最佳化與MATLAB實現 466
27.6 人工蜂群算法ABC探討 474
27.6.1 基於最優解指導的人工蜂群算法 474
27.6.2 混合人工蜂群算法 475
27.7 本章小結 475
第28章 基於改進的遺傳算法的城市交通信號最佳化分析 476
28.1 遺傳算法基本理論 476
28.1.1 遺傳算法簡介 476
28.1.2 遺傳算法的基本原理 477
28.1.3 遺傳算法的特點 478
28.2 基本遺傳算法的工作流程 478
28.3 遺傳算法的基本要素 479
28.3.1 編碼問題 479
28.3.2 適應度函式 481
28.3.3 選擇運算元 482
28.3.4 交叉運算元 483
28.3.5 變異運算元 484
28.3.6 控制參數的選擇 485
28.3.7 約束條件處理 486
28.4 遺傳算法的模式定理 486
28.5 遺傳算法的改進 487
28.5.1 適應度值標定 488
28.5.2 改進的自適應交叉變異率 488
28.6 基於改進遺傳算法的道路交通信號最佳化 490
28.6.1 城市交通信號控制最佳化問題分析 490
28.6.2 以車輛平均延誤時間最小為目標的單交叉路口最佳化配時 491
28.6.3 非線性模型的建立 491
28.6.4 仿真分析 493
28.7 本章小結 505
第29章 基於差分進化算法的函式最佳化分析 506
29.1 差分進化算法概述 506
29.2 差分進化算法的基本原理 507
29.3 差分進化算法的受控參數 510
29.4 基於DE算法的函式最佳化與MATLAB實現 511
29.5 差分進化算法的改進 515
29.5.1 進化模式的改進 515
29.5.2 控制參數的選取和最佳化 516
29.5.3 差分進化算法與其他算法的結合 517
29.6 本章小結 518
第30章 基於魚群算法的函式最佳化分析 519
30.1 人工魚群算法的生物學基礎 519
30.1.1 魚類的感覺 519
30.1.2 魚類的幾種主要行為 519
30.2 魚群的概念 521
30.3 魚群算法的基本思想 522
30.4 人工魚模型 523
30.4.1 覓食行為 523
30.4.2 聚群行為 524
30.4.3 追尾行為 524
30.4.4 隨機行為 525
30.4.5 約束行為 525
30.4.6 公告板 525
30.4.7 移動策略 525
30.5 人工魚群算法的特點及流程 526
30.6 基於魚群算法的函式尋優及MATLAB實現 527
30.7 人工魚群算法的改進分析 532
30.7.1 非線性動態調整視野和步長 532
30.7.2 對覓食行為的改進 532
30.8 本章小結 533
