多目标粒度支持向量机理论及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

多目标粒度支持向量机理论及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 多目标演化算法1

1.1多目标优化问题描述2

1.2多目标优化问题的一般求解方法3

1.2.1多目标演化算法的多样性保持策略6

1.2.2多目标演化算法的收敛性度量8

1.2.3多目标演化算法的多样性度量8

参考文献9

第2章 基于层次聚类的多目标演化算法14

2.1个体的适应值15

2.2个体间的相似度15

2.3层次聚类模型17

2.4子种群之间的个体迁移策略20

2.5基于层次聚类的多目标演化算法23

2.6数值实验分析30

参考文献56

第3章 多目标演化算法的自适应多样性保持策略57

3.1传统多目标演化算法的多样性保持策略57

3.1.1 NSGAII算法的多样性保持策略57

3.1.2 SPEA算法的多样性保持策略59

3.1.3 SPEA2算法的多样性保持策略59

3.2自适应多样性保持策略60

3.2.1分阶段多样性保持策略61

3.2.2基于插值的多样性保持策略62

3.2.3基于精度搜索的混合精英保持策略70

3.3数值实验分析73

3.3.1结果分析74

3.3.2统计分析83

3.3.3总结分析84

参考文献84

第4章 模糊集86

4.1模糊集的表述方法87

4.2隶属度函数的确定方法91

4.2.1确定隶属度函数的注意事项91

4.2.2确定隶属度函数的几种主要方法92

4.2.3常见的模糊分布96

4.3模糊集合的运算105

4.4贴近度与模式识别108

4.5模糊集合的模糊性度量108

4.5.1海明距离109

4.5.2欧几里得距离110

4.5.3其他的距离110

4.6关系与映射110

4.6.1关系及其性质111

4.6.2关系的合成113

4.6.3关系的闭包运算116

4.6.4映射的定义118

4.7模糊关系与模糊关系矩阵119

4.7.1模糊关系119

4.7.2模糊关系矩阵120

参考文献121

第5章 粒计算代数系统123

5.1引言123

5.2向量空间的代数系统124

5.3超盒粒空间的代数系统125

5.3.1超盒粒的两点表示法125

5.3.2超盒粒之间的运算125

5.3.3超盒粒之间的模糊包含关系127

5.3.4超盒粒代数系统的性质127

5.4超盒粒的模糊格代数系统128

5.4.1构造超盒粒集128

5.4.2设计超盒粒之间的算子129

5.4.3建立超盒粒之间的模糊包含关系131

5.4.4构造超盒粒的模糊格代数系统133

5.5基于模糊格的超盒粒计算分类器134

5.5.1超盒粒之间的有条件合并134

5.5.2基于模糊格的超盒粒计算分类器136

5.5.3数值实验137

5.6本章小结142

参考文献142

第6章 基于模糊格的粒计算144

6.1格计算146

6.2模糊格149

6.3高维空间上的格150

6.4区间格151

6.5基于模糊格的超盒粒计算分类算法152

6.5.1超盒粒的两点表示法153

6.5.2包含度函数153

6.5.3超盒粒之间的有条件合并156

6.5.4基于模糊格的超盒粒计算分类算法158

6.5.5数值实验159

6.6基于模糊格的超球粒分类算法164

6.6.1超球粒的单点表示法164

6.6.2超球粒之间的模糊包含度函数164

6.6.3超球粒的有条件合并168

6.6.4基于模糊格的超球粒计算分类算法169

6.6.5数值实验170

6.7本章小结173

参考文献174

第7章 多目标粒计算177

7.1多目标演化算法177

7.1.1 NSGAII算法180

7.1.2 SPEA2算法181

7.2基于多目标优化的超盒粒计算185

7.2.1多目标超盒粒计算模型186

7.2.2种群的初始化186

7.2.3个体之间的演化操作187

7.2.4基于重要度的个体优劣比较190

7.2.5基于多目标优化的超盒粒计算191

7.2.6算法的性能评价193

7.3数值实验193

7.4本章小结199

参考文献200

第8章 粒度支持向量机202

8.1统计学习基本理论简介203

8.2支持向量机206

8.3模糊支持向量机212

8.3.1两类问题模糊支持向量机213

8.3.2多类问题模糊支持向量机214

8.4基于数据贡献度的粒度模糊支持向量机214

8.4.1基于贡献度的两类问题粒度模糊支持向量机215

8.4.2多类问题粒度模糊支持向量机217

8.4.3数值实验218

8.5基于粗糙集边界的粒度模糊支持向量机220

8.5.1粗糙集理论简介221

8.5.2训练集的粒化过程223

8.5.3基于粗糙集边界的粒度模糊支持向量机225

8.5.4数值实验225

8.6基于属性集粒化的粒度模糊支持向量机227

8.6.1基于重要度的属性约简228

8.6.2属性集的粒化方法229

8.6.3基于属性集粒化的粒度模糊支持向量机230

8.6.4数值实验231

8.7本章小结233

参考文献233

第9章 粒计算在WSN节点定位中的应用236

9.1节点之间通信量的估计238

9.1.1接收信号强度238

9.1.2信号到达时间238

9.2节点的定位技术238

9.2.1映射技术239

9.2.2统计定位算法239

9.3基于粒计算的传感器节点定位算法240

9.3.1 WSN的结构240

9.3.2定位区域的网格化242

9.3.3粒计算定位算法242

9.3.4定位算法的精度分析243

9.3.5数值仿真实验244

9.4本章小结246

参考文献246

第10章 总结与展望248

10.1研究工作总结248

10.2研究工作展望251