智能信號(hào)處理：基于仿生智能優(yōu)化

定　價(jià)：￥99.00

作　者：	陳雷
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

當(dāng)當(dāng)網(wǎng) (￥74.20)

ISBN：	9787302624196	出版時(shí)間：	2023-03-01	包裝：	平裝-膠訂
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)是在國(guó)內(nèi)外仿生智能優(yōu)化相關(guān)理論與應(yīng)用研究的基礎(chǔ)上，結(jié)合多年的研究成果，介紹和闡述將仿生智能優(yōu)化算法應(yīng)用于信號(hào)處理相關(guān)問(wèn)題的理論和方法。本書(shū)共分5章，系統(tǒng)地介紹了基于仿生智能優(yōu)化的智能信號(hào)處理的基本理論和算法。書(shū)中分析了仿生智能優(yōu)化算法的特點(diǎn)及優(yōu)勢(shì)，給出了基于仿生智能優(yōu)化的智能信號(hào)處理框架，介紹了多種性能優(yōu)良的仿生智能優(yōu)化算法，系統(tǒng)地研究了基于仿生智能優(yōu)化的盲信號(hào)分離技術(shù)、高光譜圖像解混技術(shù)和三維點(diǎn)云拼接技術(shù)等三大類基于仿生智能優(yōu)化的智能信號(hào)處理技術(shù)，針對(duì)算法的模型建立、目標(biāo)函數(shù)的構(gòu)造、參數(shù)編碼方法及算法性能分析與驗(yàn)證等內(nèi)容進(jìn)行了詳細(xì)的闡述。全書(shū)著眼于學(xué)術(shù)前沿，視角新穎、深入淺出，循序漸進(jìn)，既注重對(duì)基本原理的闡述，也對(duì)算法的提出與應(yīng)用效果進(jìn)行了系統(tǒng)分析驗(yàn)證，并力求語(yǔ)言表達(dá)精煉準(zhǔn)確。本書(shū)可供信息科學(xué)、計(jì)算機(jī)科學(xué)與技術(shù)、統(tǒng)計(jì)學(xué)、人工智能等領(lǐng)域的科研人員和專業(yè)人士參考。

作者簡(jiǎn)介

暫缺《智能信號(hào)處理：基于仿生智能優(yōu)化》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論1
1.1仿生智能優(yōu)化算法的特點(diǎn)及優(yōu)勢(shì)1
1.2基于仿生智能優(yōu)化的智能信號(hào)處理框架2
第2章仿生智能優(yōu)化算法8
2.1粒子群優(yōu)化算法8
2.2人工蜂群算法9
2.3細(xì)菌趨藥性優(yōu)化算法11
2.4細(xì)菌覓食優(yōu)化算法12
2.5回溯搜索優(yōu)化算法15
2.6蝙蝠算法16
2.7微分搜索算法17
2.8布谷鳥(niǎo)搜索算法18
2.9樽海鞘群算法19
2.10鯨群優(yōu)化算法21
2.11蝗蟲(chóng)優(yōu)化算法24
第3章基于仿生智能優(yōu)化的盲信號(hào)分離技術(shù)31
3.1線性混合盲信號(hào)分離模型31
3.1.1數(shù)學(xué)模型31
3.1.2假設(shè)條件與不確定性32
3.1.3盲信號(hào)分離前的預(yù)處理33
3.2盲信號(hào)分離的獨(dú)立性判據(jù)34
3.2.1小互信息判據(jù)35
3.2.2極大似然判據(jù)36
3.2.3化峭度判據(jù)36
3.2.4化負(fù)熵判據(jù)37
3.3盲信號(hào)分離算法的性能評(píng)判38
3.3.1主觀定性評(píng)判方法38
3.3.2客觀定量評(píng)判方法39
3.4基于粒子群優(yōu)化的有序盲信號(hào)分離算法39
3.4.1目標(biāo)函數(shù)的選取40
3.4.2參數(shù)編碼與初始粒子群體的確定41
3.4.3消源與新混合信號(hào)的形成41
3.4.4實(shí)驗(yàn)分析43
3.4.5算法在工頻干擾消除中的應(yīng)用50
3.5基于細(xì)菌群體趨藥性的有序盲信號(hào)分離算法57
3.5.1帶探測(cè)判斷和優(yōu)勢(shì)細(xì)菌隨機(jī)擾動(dòng)的細(xì)菌群優(yōu)化算法58
3.5.2基于DPBCC算法的有序盲信號(hào)分離算法63
3.5.3實(shí)驗(yàn)分析65
3.5.4在工頻干擾消除中的應(yīng)用72
3.6基于細(xì)菌覓食優(yōu)化的盲信號(hào)分離算法73
3.6.1盲信號(hào)分離的目標(biāo)函數(shù)73
3.6.2菌群位置編碼與優(yōu)化分離過(guò)程73
3.6.3基于改進(jìn)BFO的分離算法76
3.6.4實(shí)驗(yàn)分析77
3.7基于樣條插值與人工蜂群優(yōu)化的非線性盲信號(hào)分離算法84
3.7.1后非線性混合盲分離模型85
3.7.2改進(jìn)的人工蜂群算法85
3.7.3基于樣條插值與MABC的后非線性分離算法87
3.7.4實(shí)驗(yàn)分析90
3.8基于回溯搜索優(yōu)化的卷積盲信號(hào)分離算法99
3.8.1卷積混合盲分離模型100
3.8.2獨(dú)立向量分析100
3.8.3基于回溯搜索優(yōu)化的分離算法原理101
3.8.4實(shí)驗(yàn)分析104
第4章基于仿生智能優(yōu)化的高光譜圖像解混技術(shù)109
4.1高光譜圖像解混技術(shù)概述110
4.1.1基于幾何學(xué)的方法111
4.1.2基于統(tǒng)計(jì)學(xué)的方法113
4.2高光譜圖像解混模型113
4.2.1線性光譜混合模型114
4.2.2非線性光譜混合模型114
4.2.3高光譜圖像解混評(píng)價(jià)指標(biāo)116
4.3基于仿生智能優(yōu)化的高光譜圖像線性解混方法117
4.3.1基于布谷鳥(niǎo)搜索的高光譜圖像線性解混算法117
4.3.2基于去噪降維和蝙蝠優(yōu)化的高光譜圖像線性
解混算法122
4.4基于仿生智能優(yōu)化的高光譜圖像非線性解混方法127
4.4.1基于微分搜索的高光譜圖像非線性解混算法127
4.4.2基于回溯優(yōu)化的高光譜圖像非線性解混算法136
第5章基于仿生智能優(yōu)化的三維點(diǎn)云拼接技術(shù)145
5.1點(diǎn)云拼接的數(shù)學(xué)表示145
5.2基于仿生智能優(yōu)化的三維點(diǎn)云拼接方法146
5.3基于哈希表和飛蛾火焰優(yōu)化的點(diǎn)云拼接算法147
5.3.1飛蛾火焰優(yōu)化算法148
5.3.2哈希優(yōu)化策略148
5.3.3HMFO算法150
5.3.4實(shí)驗(yàn)分析152
5.4基于色彩信息的自適應(yīng)進(jìn)化點(diǎn)云拼接算法154
5.4.1彩色點(diǎn)云模型及特征點(diǎn)采樣155
5.4.2帶色彩約束的目標(biāo)函數(shù)157
5.4.3種群編碼及優(yōu)化求解158
5.4.4實(shí)驗(yàn)分析158
5.5基于重采樣策略與人工蜂群優(yōu)化的點(diǎn)云拼接算法161
5.5.1重采樣策略161
5.5.2改進(jìn)的人工蜂群搜索策略163
5.5.3編碼方案和拼接算法流程163
5.5.4實(shí)驗(yàn)分析164
參考文獻(xiàn)172