TA的每日心情 | 开心 2018-4-8 22:14 |
---|
签到天数: 1 天 [LV.1]初学乍练
普通会员

- 积分
- 5517
|
java自学网(www.javazx.com)-java论坛,java电子书推荐:《 MATLAB智能算法》
, V' b& M5 o* S8 N) T4 ~/ F9 cjava电子书推荐理由:资深作者编著,图书质量更有保证:一线资深工程师执笔,系统归纳和总结了智能算法的实战经验。提供配套源码,便于读者动手实践:理论必须联系实践,本书提供源代码下载,方便读者学习使用。内含丰富实例,利于读者二次开发:书中提供了十几个智能算法的典型实例,读者可以据此二次开发。配套学习资源下载地址为清华大学出版社网站本书页面。系列畅销图书如下:MATLAB 编程指南 计算、编程、仿真、算法及应用MATLAB/Simulink系统仿真MATLAB GUI程序设计MATLAB智能算法MATLAB数学建模MATLAB科学计算MATLAB信号处理MATLAB图像处理) L1 D* u" B. ~# B% y. I- A. b+ D
7 n: w3 Q* ~2 ]. `8 q" V1 _
作者:温正 孙华克
4 ^$ M% H7 |0 ]' F; |$ P8 u1 {出版社:清华大学出版社
8 u- [1 H E/ `出版时间:2017-09-01
, w3 f& \6 n D4 w: D# y% e3 R6 g3 f书籍价格:70.30元1 h* K/ z- C3 n8 q4 g" e, ~: g6 H
Q: P; o9 Q- ~/ x/ x

/ w. Q s( g" K" k! |5 C, S+ x9 H O3 ` V9 w* \- l$ u% F
4 o+ }; r' j) T1 [
java电子书目录:
3 j7 r- t1 d9 Q! F2 S第一部分专 题 介 绍: g; O+ m: h0 X: }$ e3 k
第1章人工智能概述
- `) c. W f; N1.1人工智能的基本概念& W7 O1 e' T( c8 `2 x: ?9 D
1.1.1智能的概念/ U$ q6 |5 C* e3 ^& W3 l2 }
1.1.2人工智能的概念
6 p. c. G0 j" f1 O7 d/ Z! q( t1.1.3人工智能的研究目标% R- t, Y' F( q, G+ h
1.1.4人工智能的研究方法
1 f4 l4 M) ]* ?0 p7 R/ e1.2人工智能的特征2 L) ^2 F! Q6 i0 a8 Z, G
1.3人工智能的应用* Y& _$ X$ O' G5 H* z
1.3.1机器思维
# z/ C3 E4 A2 g% U! D1.3.2机器感知( x: H) U4 I, a+ Q
1.3.3机器行为3 B2 x+ |+ D! z% {, H" D2 F
1.3.4机器学习* h l1 Q( a7 J( b- V- z
1.3.5机器计算
# D! p0 U6 {. _ I9 E( @! k Y7 o1.3.6分布式人工智能; W- `2 a* V! M9 n k& y
1.3.7机器系统' K# c8 k6 y' r7 W8 n e
1.3.8典型应用
8 h$ V5 z% m$ u4 x1 j1.4本章小结- [- i4 S9 \7 w7 L& Y2 V1 _% m) f4 q6 @+ l
0 G9 r, ]9 q0 ]7 {7 P" L
第2章神经网络算法及其MATLAB实现
9 V& L3 f4 u# p4 \" a3 `8 E6 o2.1神经网络基础' O! n4 P& d8 G0 B
2.1.1人工神经网络的发展
# w" X# C; y7 K2 b3 e2.1.2人工神经网络研究内容, x& M3 l4 u& y% ?
2.1.3人工神经网络研究方向
g8 Y$ B- h h; h; S4 |2.1.4人工神经网络发展趋势
8 m+ u% R, J8 f: P( x. _2.2神经网络的结构及学习
3 k* S( x6 y$ F3 a6 y2.2.1神经网络结构
. P% k0 g N2 t- _2.2.2神经网络学习
/ _9 {. H& ?4 ^2 T E2.2.3MATLAB在神经网络中的应用
0 t. e- S7 | B7 R) }2.3MATLAB神经网络工具箱. A. l/ n i2 K
2.3.1神经网络工具箱函数 V5 C! N( f1 N4 E( j$ t
2.3.2神经网络工具箱的图形用户界面
7 ?+ `! H$ E# a& X& z- j( |: @, `2.3.3神经网络的MATLAB实现
* M6 y: V7 H, p4 j, A2.4Simulink神经网络控制工具箱/ `* ^3 f* Y. s# L; H
2.4.1神经网络模型预测控制
/ d/ e2 _5 a2 K* k& x8 _2.4.2反馈线性化控制
/ s, {% ?# j! e' r& \4 H( s( h1 {& J2.4.3模型参考控制
9 r& ?% v& O& u* i* y, I* T& y2.5本章小结, e$ |- `' U" h0 I- R" b
! C2 f- L4 h# }: Y4 N第3章粒子群算法及其MATLAB实现
& I0 _6 V, e4 U7 _. J5 ~& M3.1粒子群算法基础
m9 N) c# V# r5 [/ n3.1.1粒子群算法的发展
7 e5 C V8 ~1 J* A* j3.1.2粒子群算法研究内容. I6 O7 U- i, g3 I
3.1.3粒子群算法的特点! O/ g; A9 R0 t) v& `+ `
3.1.4粒子群算法的应用& o# `/ P# [; Y9 N7 J* |
3.2基本粒子群算法, p+ n/ h7 o z
3.2.1基本原理
; Z2 t, Y! ~6 K* e3.2.2算法构成要素, q) X8 M4 n8 X$ i0 o: k
3.2.3算法参数设置: v! ^$ |) w& l& v6 C( h4 ~
3.2.4算法的基本流程8 E1 C8 J+ X1 x4 B7 v5 y
3.2.5算法的MATLAB实现
Z+ Q' | d7 a5 R# H* q. K3 l3.3MATLAB粒子群工具箱' E# b |- x4 s ^- o# _* H$ [# O
3.4权重改进的粒子群算法
( a% |1 `/ x5 s& u; r& Z, z3.4.1自适应权重法
. _+ ?, {& M7 f4 m: k* x3.4.2随机权重法
( B8 U" C$ i0 O% Y3.4.3线性递减权重法
E, \( X. P7 h1 z' J( x, m3.5混合粒子群算法
! e/ Z% H8 @4 C- t8 y3.5.1基于杂交的算法
6 U p- s) C9 `% `! @. O" ]3.5.2基于自然选择的算法) u. P% G1 G" b5 ~
3.5.3基于免疫的粒子群算法# L' ?6 Z; o7 \2 R6 h0 s- \! S0 }
3.5.4基于模拟退火的算法
; u% l: E5 K2 W/ T& B" [+ j3.6本章小结, i2 K0 b$ @+ P, d) p. ^
4 j7 S T/ r' d( ~; K
第4章遗传算法及其MATLAB实现
* \7 k! s! n. M5 {4.1遗传算法的基本概念
, X$ @9 r. W2 H# v4.1.1算法的基本运算
5 j" c1 E; O% `6 q7 @* j. r4.1.2遗传算法的特点# o$ ?9 {6 Z/ M$ C H4 C! H1 |
4.1.3遗传算法中的术语
- v! ]- b+ {' o1 a4.1.4遗传算法的发展现状# m) [ Z+ i! o- P$ N4 f
4.1.5遗传算法的应用领域; j7 ?+ H5 J: {
4.2遗传算法的原理8 V5 E; @6 @/ j9 e, u J: a, u; E
4.2.1算法运算过程3 c$ X& t% B* k! o
4.2.2算法编码% u/ s. N: b, Z/ `+ \6 t) ^) e
4.2.3适应度及初始群体选取
; ?4 D5 o& }$ i! i# U$ T1 e4.3遗传算法程序设计及其MATLAB工具箱
' g% A+ K( y4 z8 y6 L; L% A, u4.3.1程序设计5 P3 a* p9 Q1 \7 s) Z7 K
4.3.2算法参数设计原则
1 R" s4 r: K- W8 s0 ~5 P6 d4.3.3适应度函数的调整3 t' A) x- t3 U2 i u
4.3.4算法MATLAB工具箱及其应用
! J( @$ b' R( m& N! ^# q4.3.5遗传算法的GUI实现2 a0 y: i6 x8 w6 c4 {( i: k
4.4遗传算法的典型应用
8 v1 m5 V9 r/ ~ z- a8 U) W* z4.4.1利用遗传算法求解函数极值
) y& u3 d$ h9 l! V, L4.4.2遗传算法在TSP中的应用
" y9 O, h- B- ]; B4.4.3遗传算法的求解优化$ x5 B9 V9 x# z, F* U% N0 Y
4.5本章小结
/ D( }1 u, z5 }+ \# W2 g+ W9 d; g+ h! D& D. c: G
第5章模糊逻辑控制及其MATLAB实现
' |# a( K1 f0 @6 J& s5.1模糊逻辑控制基础
: K) w$ g/ p6 I) A) G! T0 w; ~5.1.1模糊逻辑控制的基本概念
% K S6 f- R) [+ h! t) T/ z5.1.2模糊逻辑控制原理. e" u" T( p% e+ H2 I6 J
5.1.3模糊逻辑控制器设计的内容
. o, c* b6 f1 s' f1 |5.1.4模糊逻辑控制规则设计# @ W' s. @- T9 G! k# S/ F
5.1.5模糊逻辑控制系统的应用领域
o2 c6 J/ q2 Z+ e5.2模糊逻辑控制工具箱2 G: y. W! V F e
5.2.1模糊逻辑控制工具箱的功能特点
/ r3 G* M, D! k9 @5.2.2模糊系统的基本类型
9 a! ]/ P9 W1 [4 }5.2.3模糊逻辑控制系统的构成
- F7 {, x: O2 R1 g) Q, S" ~+ m! c/ L% p/ X5.2.4模糊推理系统的建立、修改与存储管理5 W3 Z- q) o5 N" l) W
5.2.5模糊语言变量及其语言值* F& W: G g# u- [+ y
5.2.6模糊语言变量的隶属度函数
1 q0 a+ [* c1 {& f; v# n5.2.7模糊规则的建立与修改6 [7 E# D, M/ ]" k
5.2.8模糊推理计算与去模糊化' x8 r7 ]7 s3 `/ U- { F$ U
5.3模糊逻辑控制工具箱的图形界面工具/ z$ c6 }2 l( g% z- Z2 Z
5.3.1FIS编辑器
+ G/ A+ Y4 M' J/ P5.3.2隶属度函数编辑器 H' H4 X( {' B' C8 [
5.3.3模糊规则编辑器: f3 ]/ K/ O7 l) W
5.3.4模糊规则浏览器
3 r+ I; o2 w- U; d5.3.5模糊推理输入输出曲面视图
' [/ g) i* \0 S3 P' l- T- ^. N7 i5.4模糊逻辑控制的经典应用
1 _0 M: F8 |% r; g" M* N5.4.1基于Simulink的模糊逻辑控制应用
Y% p3 g( V' l' T5.4.2基于模糊逻辑控制的路径规划应用
. |4 k; f; h' x2 I5.5本章小结
9 O( N: p: B" ^7 J; z) r& z8 P/ q! p1 o' h' ?
第6章免疫算法及其MATLAB实现) g! P! x, e% j! }8 b* u
6.1免疫算法的基本概念4 a# e% L$ g6 ~: {8 Y# c
6.1.1生物免疫系统
3 q# C: C; E2 j2 Y$ [" [; e: ?6.1.2免疫算法基本原理
1 f8 J, x) r' [: r5 {6.1.3免疫算法步骤和流程1 P/ F0 b% Y4 M6 y
6.1.4免疫系统模型和免疫算法2 t1 }. i" H$ ~5 P N Y$ f; r
6.1.5免疫算法特点8 \& Y& N3 {# z. r, J, j. }( \
6.1.6免疫算法的发展趋势5 _& X$ q7 \$ Z9 v
6.2免疫遗传算法
% X" }) A5 ~" S% z6.2.1免疫遗传算法步骤和流程
% ?1 n, D9 r+ p& h9 h6.2.2基于MATLAB实现免疫遗传算法
6 `8 D8 m; ?# A3 n! _: G6.3免疫算法的MATLAB应用
4 s2 t0 I/ j8 b( d" e4 N! T5 l, N6.3.1免疫算法在克隆选择中的应用8 k" g6 R8 m( W4 N% w+ [/ {" ^" _# P& g
6.3.2免疫算法在最短路径规划问题中的应用" C1 l! v6 i7 H, f6 S
6.3.3免疫算法在TSP中的应用* h' m4 F$ m& o
6.3.4免疫算法在故障检测中的应用
7 D1 B6 m8 g0 _, `9 d7 }0 c8 Z% I6.4本章小结
( T6 y+ B$ z1 f2 n0 G, B+ m8 E: t; a6 l4 o7 b
第7章蚁群算法及其MATLAB实现
3 R+ Q9 ]* \2 w- }7.1蚁群算法概述
% [$ I% u% z* k4 A3 [8 d _7.1.1蚁群算法起源, s: s+ t9 C9 e0 [: U. y* u
7.1.2蚁群算法的基本原理
1 ~" T9 a' H/ B6 D8 s7 d7 S4 p8 t7.1.3自适应蚁群算法的介绍6 a5 Y9 h9 _; r# h5 i/ S7 Z
7.1.4蚁群算法实现的重要规则 f" L" B3 _- w9 r( N
7.1.5蚁群算法的特点$ N: P N4 ~: H2 z( D3 N
7.1.6蚁群优化算法的应用
% ^# D, O5 P1 [( U( y% ] ^7.2蚁群算法的MATLAB实现
. c- a( s+ O/ \3 k$ X, K7 r/ l7.3蚁群算法在MATLAB中的应用
0 ~6 p- L4 a B2 E4 p0 E7 S7.3.1蚁群算法在路径规划中的应用
" d% o& g0 _, O: f! X8 a9 d- {* c( B7.3.2蚁群算法在解决TSP中的应用
H" V, [& O I. {+ ?9 S7.4本章小结! k4 u7 q8 Q6 [! V
" z) J* \3 U. a! R" A" v
第8章小波分析算法及其MATLAB实现7 \5 C" M* o' T8 l9 y
8.1傅里叶变换到小波分析
! u- a4 ], h' W+ n' a' u- W# _& l( \8.1.1傅里叶变换* ] |" {- u* C/ P0 x9 s0 Q
8.1.2小波分析) p- x. q2 \0 ], ?! m) A- T
8.2Mallat算法
$ V7 ^5 n! r" j+ d. G- S/ x8.2.1Mallat算法原理8 b V v- A7 |- h
8.2.2常用小波函数介绍
( h/ n+ D9 `. p& ?+ h7 J' c9 R, C8.2.3Mallat算法示例
0 L' g- b! ~4 G6 f8.3小波GUI简介
% \. z t' X* G- | K# H8.4小波分析用例
2 q+ m! M0 ?! |. X8.4.1信号压缩) k* Z0 @. i* t
8.4.2信号去噪
( L/ B' `7 Y0 _ x a3 q8.4.3分离信号的不同成分
% \" a, R+ G( \2 {8.5小波变换在图像处理中的应用
1 x' b @( S# [9 Y2 A8.5.1小波变换用于图像压缩
1 J) `0 ~: C% B4 \8.5.2小波在图像边缘检测的应用
' W* e* F+ t5 y) V# p+ Y8.5.3小波变换在图像增强方面的应用
) N1 x0 P5 k: a8.6本章小结5 n' @. P( v, g- l* ?# F2 K: b
第二部分综合实例应用 Z* D" ?0 P# J4 V& ]
第9章模糊神经网络在工程中的应用& B; i2 z$ ~! ?5 N! R+ ?7 o
9.1模糊神经网络9 G! G. Z1 x0 P) [: ^9 }
9.1.1模糊神经网络概述
( j# |4 A, N# r; t9.1.2模糊系统与神经网络的区别与联系1 I2 L* w8 h% l4 U1 Y& J' {. {1 r
9.1.3典型模糊神经网络结构
( x! i& c4 t! b& \9.1.4自适应模糊神经推理系统/ K9 G, \2 _1 q" n' v) |& K% E: r
9.2模糊神经网络建模方法- w# |( o" k1 ]
9.3模糊神经网络在工程中的应用+ R+ |+ M3 G, O( ]# v% X# f
9.3.1模糊神经网络在解耦控制中的应用' d* g+ m" ]1 F
9.3.2模糊神经网络在函数逼近中的应用9 d% _( W5 ~, P4 o1 x( g
9.4本章小结
+ o3 i2 Q4 @2 k/ ]- k1 k& I5 J: n6 ]. O( |# \/ b+ _
第10章遗传算法在图像处理中的应用
# X" v2 I: }- E! Y, X4 \10.1图像分割的基础知识6 c4 }0 U/ J& p, J+ O+ g
10.1.1图像分割的概念
: B- U# o% E2 f& A- g9 C6 j10.1.2图像分割的理论
9 o1 |+ f% U+ I10.1.3灰度门限法简介
i2 N7 Q& K/ F6 I10.1.4基于最大类间方差图像分割原理
4 V+ R6 [9 G, j4 h; U6 d10.2遗传算法实现图像分割
0 }( N7 C0 U3 A. k10.2.1利用遗传算法实现图像分割的原理. |0 |4 e1 O+ O' u
10.2.2算法的实现
# u: J# J: h$ b1 _, I1 S$ D10.3遗传算法在图像处理中的应用
6 p2 u: G& K% m$ s' A. b10.3.1基于遗传算法的道路图像阈值分割
4 {$ r! l6 i1 U6 B, n10.3.2基于遗传神经网络的图像分割
: X- h; p' a o1 D0 ]; S10.3.3应用遗传算法和KSW熵法实现灰度图像阈值分割9 d5 t3 I9 j$ f' Q
10.4本章小结0 E. _7 y8 s/ v* [- ^6 J" ^
* r8 `+ o2 M+ Y5 B1 a+ p& g2 ?第11章神经网络在参数估计中的应用$ ^* p% R; Y. P* J% _
11.1参数估计的基本知识3 Z9 J' T2 r3 W8 s
11.1.1参数估计的概念5 @8 E& c8 L+ O5 J1 F& b9 F
11.1.2点估计与区间估计
% K8 j6 `( k+ A11.1.3样本容量
6 G; V u2 G, }& l* n% a9 g11.2几种通用神经网络MATLAB代码! d$ h/ @2 y3 ?9 M
11.3神经网络在参数估计中的应用8 e" G5 ]- B9 t% B$ n* Y! V
11.3.1神经网络在人脸识别中的应用4 A, \5 u* |# m: R( k3 [3 |
11.3.2灰色神经网络在数据预测中的应用
3 H7 ~( D |9 S9 v0 p, ?/ A& Y11.3.3BP神经网络在数据预测中的应用
9 V& t, c" x7 I7 H, I11.3.4概率神经网络在分类预测中的应用
$ W4 p8 ]) R% [, L11.4本章小结7 m' |' |. S J
2 R C h2 X9 L2 H0 Z7 G" Q第12章基于智能算法的PID控制器设计
& { T6 c" \/ ^1 _12.1PID控制器的理论基础
& F" ~) L1 S9 X8 r12.2智能算法在PID控制器设计中的应用7 n2 w! I/ u' F" R; Q
12.2.1神经网络在PID控制器设计中的应用
3 _/ m/ n- p$ T3 G+ d12.2.2模糊控制在PID控制器设计中的应用8 @( A- Z& t4 f+ w6 ?% e
12.2.3遗传算法在PID控制器设计中的应用" g+ l# m, I& y9 [0 E
12.3本章小结
4 i3 v9 O9 Q2 J: t2 A4 ?5 d% i' X& o* {
第13章智能算法综合应用
4 j- C5 I) v, V% F% w, A13.1模糊神经网络控制在MATLAB中的应用
# A7 Y3 _% |& S, p9 S13.2基于遗传算法的MP算法的应用. }: G& o# `$ G ?" C& X. B m
13.3本章小结
9 L) T( E2 P0 a! d, f! `
% I: p5 K$ i. S% q参考文献
) g/ a4 I0 t+ q7 ]1 |) t+ F6 O$ ^9 y
9 ]7 `' s' V! I7 _Java资料百度网盘下载地址链接(百度云):java自学网(javazx.com) MATLAB智能算法 PDF 高清 电子书 百度云.rar【密码回帖可见】. H$ M7 C$ R. p4 V) O) B! ^( ?3 j
! F D7 z, x* ]; V- w1 |- U$ `2 d
6 K" k [# e* W6 w: b
4 {8 F! N' h# L7 R5 T% R
3 M* i0 ~. [4 F: k |
|