多维粒子群优化在机器学习与模式识别中的应用【新华集团自营】

章 绪论
1．1 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 化技术概述
2．1 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 方法
2．3．1 模拟退火算法
2．3．2 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 非线性函数化
5．2 动态环境的化方法
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 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
0章 演进特征的综合