多维粒子群优化在机器学习与模式识别中的应用

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