加载中...
扫一扫
下载苏宁易购APP
关注苏宁推客公众号
自购省钱·分享赚钱
下载苏宁金融APP
关注苏宁易购服务号
用户评价:----
物流时效:----
售后服务:----
实名认证领苏宁支付券立即领取 >
¥
提前抢
SUPER会员专享
由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
欢迎光临本店铺
点我可查看更多商品哦~
100%刮中券,最高50元无敌券,券有效期7天
亲,今日还有0次刮奖机会
我的云钻:0
您的云钻暂时不足,攒足云钻再来刮
恭喜获得1张券!
今天的机会已经全部用完了,请明天再来
恭喜刮出两张券,请选择一张领取
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 生物地理学优化算法的改进及其在图像分割上的应用 张新明
¥ ×1
商品
服务
物流
目录前言第1章 绪论 11.1 优化问题和优化方法 11.1.1 优化问题 11.1.2 优化方法 21.2 群智能优化算法 41.2.1 群智能优化算法原理及步骤 41.2.2 群智能优化算法相关知识 51.2.3 群智能优化算法国内外研究现状 81.3 本书所涉及的主要群智能优化算法 91.3.1 遗传算法 91.3.2 粒子群优化算法 101.3.3 差分进化算法 111.3.4 细菌觅食优化算法 121.3.5 蛙跳算法 141.3.6 人工蜂群算法 151.3.7 烟花算法 161.3.8 灰狼优化算法 181.4 本书篇章结构 19参考文献 21第2章 生物地理学优化算法 232.1 生物地理学理论 232.1.1 理论背景 232.1.2 生物地理学 242.2 BBO算法 252.2.1 BBO算法数学模型 252.2.2 BBO算法步骤及原理 272.2.3 BBO算法优缺点分析 332.2.4 BBO算法改进动机分析 352.2.5 BBO算法相关研究综述 362.3 本章小结 37参考文献 38第3章 生物地理学优化算法代表性改进研究简介 413.1 BBO算法迁移模型的改进 413.2 BBO算法种群初始化的改进 453.3 BBO算法迁移算子的改进 463.4 BBO算法变异算子的改进 473.5 BBO算法清除算子的改进 483.6 BBO算法选择策略的改进 493.7 BBO算法的混合改进 503.8 本章小结 51参考文献 51第4章 差分迁移和趋优变异的BBO算法 534.1 引言 534.2 DGBBO算法 534.2.1 榜样选择方案 534.2.2 差分迁移算子 544.2.3 趋优变异算子 564.2.4 贪婪选择法替换精英保留机制 584.2.5 改进的迁移概率计算方式 594.2.6 DGBBO算法总流程 594.2.7 DGBBO算法与BBO算法的异同点 604.3 实验与分析 604.3.1 实验准备 604.3.2 DGBBO算法与其不完整变体算法的对比 614.3.3 DGBBO算法与同类算法的对比 644.3.4 DGBBO算法与其他类算法的对比 664.3.5 DGBBO算法的t检验 684.3.6 DGBBO算法的计算复杂度讨论 704.3.7 实验总结 714.4 本章小结 71参考文献 71第5章 差分变异和交叉迁移的BBO算法 735.1 引言 735.2 DCBBO算法 735.2.1 差分变异算子 735.2.2 交叉迁移算子 745.2.3 启发式交叉操作 755.2.4 DCBBO算法总流程 775.2.5 DCBBO算法与BBO算法的异同点 775.3 实验与分析 785.3.1 实验准备 785.3.2 DCBBO算法与同类算法的对比 785.3.3 DCBBO算法与其他类算法的对比 825.3.4 DCBBO算法的Wilcoxon符号秩检验 855.3.5 DCBBO算法的计算复杂度讨论 865.3.6 实验总结 865.4 本章小结 86参考文献 87第6章 混合交叉的BBO算法 886.1 引言 886.2 HCBBO算法 886.2.1 垂直交叉操作 886.2.2 水平交叉操作 886.2.3 自适应启发式交叉操作 896.2.4 混合交叉迁移算子 906.2.5 HCBBO算法总流程 916.2.6 HCBBO算法与BBO算法的异同点 916.3 实验与分析 926.3.1 实验准备 926.3.2 HCBBO算法与同类算法的对比 936.3.3 HCBBO算法与其他类算法的对比 976.3.4 HCBBO算法的Wilcoxon符号秩检验 986.3.5 HCBBO算法的计算复杂度讨论 996.3.6 实验总结 996.4 本章小结 99参考文献 100第7章 融合的BBO算法 1017.1 引言 1017.2 EMBBO算法 1017.2.1 共享操作 1017.2.2 差分扰动操作 1037.2.3 共享差分迁移算子 1037.2.4 单维与全维交叉更新策略 1047.2.5 反向学习机制 1067.2.6 EMBBO算法总流程 1077.2.7 EMBBO算法与BBO算法的异同点 1087.3 实验与分析 1087.3.1 实验准备 1087.3.2 EMBBO算法主要参数讨论 1097.3.3 EMBBO算法与其不完整变体算法的对比 1107.3.4 EMBBO算法与同类算法的对比 1117.3.5 EMBBO算法与其他类算法的对比 1127.3.6 EMBBO算法在CEC2017测试集上的对比 1157.3.7 EMBBO算法的t检验 1167.3.8 EMBBO算法的计算复杂度讨论 1177.3.9 实验总结 1187.4 本章小结 118参考文献 118第8章 混合灰狼优化的BBO算法 1208.1 引言 1208.2 HBBOG算法 1208.2.1 改进的BBO算法 1208.2.2 反向GWO算法 1238.2.3 HBBOG算法总流程 1238.2.4 HBBOG算法与BBO算法的异同点 1258.3 实验与分析 1268.3.1 实验准备 1268.3.2 HBBOG相关算法之间的对比 1278.3.3 HBBOG算法与同类算法的对比 1298.3.4 HBBOG算法与其他类算法的对比 1318.3.5 HBBOG算法在CEC2013和CEC2014测试集上的对比 1328.3.6 HBBOG算法的Wilcoxon符号秩检验 1368.3.7 实验总结 1388.4 本章小结 138参考文献 138第9章 混合蛙跳优化的BBO算法 1409.1 引言 1409.2 HBBOS算法 1409.2.1 改进的SFLA更新方法 1409.2.2 改进的迁移算子更新方法 1419.2.3 HBBOS算法总流程 1459.2.4 HBBOS算法与BBO算法的异同点 1469.3 实验与分析 1469.3.1 实验准备 1469.3.2 HBBOS算法与同类算法的对比 1479.3.3 HBBOS算法与其他类算法的对比 1489.3.4 HBBOS算法在CEC2014测试集上的对比 1499.3.5 HBBOS算法的t检验和Wilcoxon符号秩检验 1529.3.6 实验总结 1549.4 本章小结 154参考文献 154第10章 图像分割概述 15610.1 引言 15610.2 图像分割方法 15710.2.1 图像分割方法概述 15710.2.2 阈值分割方法 15710.2.3 区域分割方法 15810.2.4 边缘分割方法 15910.2.5 基于特定理论的分割方法 15910.3 阈值分割准则 16110.3.1 阈值分割准则概述 16110.3.2 昀大熵法 16110.3.3 昀小交叉熵法 16110.3.4 昀大类间方差法 16210.3.5 Tsallis熵法 16310.4 群智能优化算法在图像阈值分割上的应用 16610.5 本章小结 167参考文献 167第11章 多源迁移和自适应变异的BBO算法的图像分割 16911.1 引言 16911.2 PSBBO算法 16911.2.1 多源迁移算子 16911.2.2 动态调整的变异算子 17111.2.3 PSBBO算法总流程 17211.2.4 PSBBO算法与BBO算法的异同点 17311.2.5 PSBBO算法应用于昀大熵多阈值图像分割 17311.3 实验与分析 17411.3.1 实验准备 17411.3.2 PSBBO算法的多阈值图像分割对比 17411.3.3 实验总结 17711.4 本章小结 178参考文献 178第12章 动态迁移和椒盐变异的BBO算法的图像分割 18012.1 引言 18012.2 DSBBO算法 18012.2.1 动态迁移算子 18012.2.2 椒盐变异算子 18212.2.3 DSBBO算法总流程 18312.2.4 DSBBO算法与BBO算法的异同点 18412.2.5 DSBBO算法应用于昀小交叉熵多阈值图像分割 18412.3 实验与分析 18412.3.1 实验准备 18412.3.2 DSBBO算法的多阈值图像分割对比 18512.3.3 实验总结 19012.4 本章小结 191参考文献 191第13章 混合迁移的BBO算法的图像分割 19313.1 引言 19313.2 HMBBO算法 19313.2.1 微扰动启发式交叉操作 19313.2.2 混合迁移算子 19413.2.3 HMBBO算法总流程 19513.2.4 HMBBO算法与BBO算法的异同点 19613.2.5 HMBBO算法应用于昀大类间方差多阈值图像分割 19613.3 实验与分析 19713.3.1 实验准备 19713.3.2 HMBBO算法的多阈值图像分割对比 19813.3.3 实验总结 20213.4 本章小结 202参考文献 203第14章 混合细菌觅食优化的BBO算法的图像分割 20414.1 引言 20414.2 HBBOB算法 20414.2.1 扰动迁移算子 20414.2.2 “1步长”趋化算子 20614.2.3 HBBOB算法总流程 20814.2.4 HBBOB算法与BBO算法的异同点 20814.2.5 HBBOB算法应用于Kapur熵多阈值彩色图像分割 20914.3 实验与分析 21014.3.1 实验准备 21014.3.2 HBBOB算法的多阈值图像分割对比 21214.3.3 实验总结 22114.4 本章小结 221参考文献 222第15章 总结与展望 223附录 基准函数 225
群智能优化算法一般具有原理简单、易于实现的特点,能够较好地处理许多优化问题。生物地理学优化算法是受生物地理学理论启发而开发的一种进化计算技术,是群智能优化算法之一,广泛应用于处理科学和工程领域中的优化问题。《生物地理学优化算法的改进及其在图像分割上的应用》详细介绍了作者在生物地理学算法改进上的六项研究成果以及四项改进的生物地理学优化算法在图像分割上的应用研究成果。 《生物地理学优化算法的改进及其在图像分割上的应用》注重理论与应用的结合,遵循由浅入深、循序渐进的原则,内容丰富,实验充分。《生物地理学优化算法的改进及其在图像分割上的应用》可供高等学校、科研院所的计算机科学、人工智能、自动化和管理科学等专业的教师和学生阅读,也可供相关领域的科技工作者和工程技术人员参考。
抢购价:¥ 38.00
易购价:¥ 38.00
注:参加抢购将不再享受其他优惠活动
亲,很抱歉,您购买的宝贝销售异常火爆,让小苏措手不及,请稍后再试~
验证码错误
看不清楚?换一张
确定关闭
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
查看我的收藏夹
非常抱歉,您前期未参加预订活动,无法支付尾款哦!
关闭
抱歉,您暂无任性付资格
继续等待
0小时0分
立即开通
SUPER会员