《MATLAB智能算法（第2版）》温正 |
您所在的位置：网站首页 › matlab智能算法温正pdf下载 › 《MATLAB智能算法（第2版）》温正 |
|
本书以MATLAB R2020a 软件为基础，详细介绍各种智能算法的原理及MATLAB 在智能算法中的应用，是一本MATLAB 智能算法设计的综合性参考书。 全书以智能算法原理及MATLAB 应用为主线，结合各种应用案例，详细讲解智能算法在MATLAB 中的实现方法。 全书共分为3 部分：第一部分为基础知识；第二部分介绍经典的智能算法及其在MATLAB 中的实现方法，包括遗传算法、免疫算法、蚁群算法、粒子群算法、小波分析、神经网络算法和模糊逻辑控制等内容；第三部分详细介绍智能算法在工程中的应用，包括模糊神经网络在工程中的应用、遗传算法在图像处理中的应用、神经网络在参数估计中的应用、基于智能算法的PID 控制器设计等内容。 本书以工程应用为目标，内容讲解深入浅出、循序渐进，既可作为高等院校理工科相关专业研究生、本科生的教材，也可作为广大科研工程技术人员的参考用书。 温正 北京航空航天大学博士后，现就职于中国航天科技集团，精通MATLAB、Mathematica、Lingo等工程仿真计算软件；熟练掌握利用MATLAB解决数学建模、科学计算、算法优化、机器学习等工程应用问题；在国内外期刊发表学术论文多篇，申请并获得授权专利多项，曾获得国防科学技术成果奖等奖项，读书期间获光华奖学金及优秀研究生等多项荣誉。 第一部分 基 础 知 识 第 1 章 人工智能概述. 3 1.1 人工智能基本概念 . 3 1.1.1 智能的概念 3 1.1.2 人工智能的概念 5 1.1.3 人工智能的研究目标 . 6 1.1.4 人工智能的研究方法 . 6 1.1.5 人工智能的特征 8 1.2 人工智能的应用. 9 1.2.1 机器思维 . 9 1.2.2 机器感知 . 10 1.2.3 机器行为 . 11 1.2.4 机器学习 . 12 1.2.5 机器计算 . 12 1.3 分布式人工智能. 13 1.3.1 机器系统 . 14 1.3.2 典型应用 . 14 1.4 本章小结 15 第 2 章 初识 MATLAB 16 2.1 MATLAB 工作环境. 16 2.1.1 操作界面简介 16 2.1.2 命令行窗口 17 2.1.3 命令历史记录 19 2.1.4 当前文件夹和路径管理 . 20 2.1.5 搜索路径 . 21 2.1.6 “工作区”窗口和数组编辑器. 23 2.1.7 变量的编辑命令 24 2.1.8 存取数据文件 25 2.2 MATLAB 基本概念. 26 2.2.1 数据类型概述 26 2.2.2 整数型. 26 14 MATLAB 智能算法（第 2 版） 2.2.3 浮点数型 . 28 2.2.4 复数. 30 2.2.5 无穷量和非数值量. 31 2.2.6 数据显示格式 31 2.2.7 数据类型函数 32 2.2.8 常量与变量 32 2.2.9 标量、向量、矩阵和数组 33 2.2.10 字符串 . 34 2.2.11 算术运算符 35 2.2.12 命令、函数、表达式和语句 36 2.3 MATLAB 帮助系统. 36 2.3.1 纯文本帮助 37 2.3.2 帮助导航 . 37 2.3.3 示例帮助 . 38 2.4 本章小结 38 第 3 章 MATLAB基础 39 3.1 数组. 39 3.1.1 数组的定义 39 3.1.2 数组的创建 39 3.1.3 多维数组及其操作. 47 3.2 矩阵. 51 3.2.1 实数值矩阵输入 51 3.2.2 复数矩阵输入 51 3.2.3 符号矩阵的生成 52 3.2.4 大矩阵的生成 53 3.2.5 矩阵的数学函数 53 3.3 符号运算 58 3.3.1 符号对象 . 58 3.3.2 符号变量 . 60 3.3.3 符号表达式及函数. 61 3.3.4 符号变量代换 63 3.3.5 符号对象转换为数值对象 64 3.3.6 符号表达式的化简. 65 3.3.7 符号运算的其他函数 . 67 3.3.8 两种特定的符号函数运算 69 3.4 关系运算和逻辑运算 . 70 3.4.1 关系运算 . 70 3.4.2 逻辑运算 . 71 3.4.3 常用函数 . 74 目录 15 3.4.4 运算符的优先级 75 3.5 本章小结 75 第 4 章 程序设计 76 4.1 自顶向下的程序设计方法 76 4.2 分支结构 79 4.2.1 if 分支结构 79 4.2.2 switch 分支结构 . 80 4.3 循环结构 81 4.3.1 while 循环结构. 81 4.3.2 for 循环结构. 82 4.3.3 控制程序的其他命令 . 83 4.4 程序调试和优化. 87 4.4.1 程序调试命令 87 4.4.2 程序常见的错误类型 . 87 4.4.3 效率优化 . 91 4.4.4 内存优化 . 91 4.5 本章小结 93 第二部分 算 法 专 题 第 5 章 遗传算法 97 5.1 遗传算法基础 97 5.1.1 算法基本运算 97 5.1.2 遗传算法的特点 98 5.1.3 遗传算法中的术语. 98 5.1.4 遗传算法发展现状. 99 5.1.5 遗传算法的应用领域 100 5.2 遗传算法原理 .100 5.2.1 算法运算过程 .100 5.2.2 算法编码 103 5.2.3 适应度及初始群体选取 103 5.2.4 算法参数设计原则104 5.2.5 适应度函数的调整104 5.2.6 程序设计 105 5.3 遗传算法典型应用 109 5.3.1 求函数极值.109 5.3.2 旅行商问题.121 5.3.3 基于遗传算法的 MP 算法的应用.127 5.4 遗传算法工具箱132 16 MATLAB 智能算法（第 2 版） 5.4.1 工具箱命令方式调用 133 5.4.2 遗传算法 App 调用 .135 5.4.3 遗传算法的优化 .138 5.5 本章小结.145 第 6 章 免疫算法 146 6.1 免疫算法基本概念 146 6.1.1 生物免疫系统 .146 6.1.2 免疫算法基本原理147 6.1.3 免疫算法步骤和流程 148 6.1.4 免疫系统模型和免疫算法.149 6.1.5 免疫算法特点 .150 6.1.6 免疫算法的发展趋势 150 6.2 免疫遗传算法 .151 6.2.1 免疫遗传算法步骤和流程.151 6.2.2 免疫遗传算法 MATLAB 实现 151 6.3 免疫算法的应用159 6.3.1 免疫算法在克隆选择中的应用159 6.3.2 免疫算法在最短路径规划中的应用 163 6.3.3 免疫算法在 TSP 中的应用 167 6.3.4 免疫算法在故障检测中的应用173 6.4 本章小结.180 第 7 章 蚁群算法 181 7.1 蚁群算法概述 .181 7.1.1 蚁群算法的起源 .181 7.1.2 蚁群算法的基本原理 182 7.1.3 自适应蚁群算法 .185 7.1.4 蚁群算法实现的重要规则.186 7.1.5 蚁群算法的特点 .186 7.1.6 蚁群算法的发展与应用 187 7.2 蚁群算法 MATLAB 实现188 7.3 蚁群算法的应用190 7.3.1 蚁群算法在路径规划中的应用190 7.3.2 蚁群算法在 TSP 中的应用 203 7.4 本章小结.207 第 8 章 粒子群算法 208 8.1 粒子群算法基础208 8.1.1 粒子群算法的起源208 8.1.2 粒子群算法的发展趋势 209 8.1.3 粒子群算法的特点209 目录 17 8.1.4 粒子群算法的应用210 8.2 基本粒子群算法211 8.2.1 基本原理 211 8.2.2 算法构成要素 .212 8.2.3 算法参数设置 .212 8.2.4 算法基本流程 .213 8.2.5 MATLAB 实现.213 8.3 权重改进的粒子群算法.219 8.3.1 自适应权重法 .219 8.3.2 随机权重法.222 8.3.3 线性递减权重法 .224 8.4 混合粒子群算法226 8.4.1 基于杂交的混合粒子群算法 .226 8.4.2 基于自然选择的混合粒子群算法229 8.4.3 基于免疫的混合粒子群算法 .231 8.4.4 基于模拟退火的混合粒子群算法235 8.5 本章小结.237 第 9 章 小波分析 238 9.1 傅里叶变换到小波分析.238 9.1.1 傅里叶变换.238 9.1.2 小波分析 240 9.2 Mallat算法242 9.2.1 Mallat 算法原理 242 9.2.2 常用小波函数介绍244 9.2.3 Mallat 算法示例 245 9.3 小波分析在信号处理中的应用248 9.3.1 信号压缩 248 9.3.2 信号去噪 249 9.3.3 信号分离 252 9.4 小波变换在图像处理中的应用255 9.4.1 图像压缩 255 9.4.2 图像边缘检测 .259 9.4.3 图像增强 260 9.5 小波 App 简介.262 9.6 本章小结.266 第 10 章 神经网络算法. 267 10.1 神经网络基础267 10.1.1 人工神经网络的发展 267 10.1.2 人工神经网络研究内容 268 18 MATLAB 智能算法（第 2 版） 10.1.3 人工神经网络研究方向 268 10.1.4 人工神经网络发展趋势 269 10.2 神经网络的结构及学习 .271 10.2.1 神经网络结构 .271 10.2.2 神经网络学习 .272 10.2.3 MATLAB 在神经网络中的应用 .285 10.3 神经网络工具箱288 10.3.1 神经网络工具箱函数 288 10.3.2 神经网络工具箱 App 305 10.3.3 神经网络的MATLAB实现310 10.4 Simulink 神经网络控制工具箱.325 10.4.1 神经网络模型预测控制 325 10.4.2 反馈线性化控制 .328 10.4.3 模型参考控制 .330 10.5 本章小结.333 第 11 章 模糊逻辑控制. 334 11.1 模糊逻辑控制基础 334 11.1.1 模糊逻辑控制的基本概念.334 11.1.2 模糊逻辑控制原理335 11.1.3 模糊逻辑控制器设计包括的内容335 11.1.4 模糊逻辑控制规则设计 336 11.1.5 模糊逻辑控制系统的应用领域336 11.2 模糊逻辑控制工具箱.337 11.2.1 功能特点 337 11.2.2 模糊系统基本类型338 11.2.3 模糊逻辑控制系统的构成.339 11.2.4 模糊推理系统的建立、修改与存储管理 .339 11.2.5 模糊语言变量及其语言值.346 11.2.6 模糊语言变量的隶属度函数 .349 11.2.7 模糊规则的建立与修改 353 11.2.8 模糊推理计算与去模糊化.355 11.3 模糊逻辑控制工具箱 App358 11.3.1 模糊推理系统编辑器 358 11.3.2 隶属度函数编辑器360 11.3.3 模糊规则编辑器 .360 11.3.4 模糊规则浏览器 .360 11.3.5 模糊推理输入/输出曲面视图 360 11.4 模糊逻辑控制的经典应用 .362 11.4.1 基于 Simulink 的模糊逻辑控制应用 362 目录 19 11.4.2 基于模糊逻辑控制的路径规划366 11.4.3 基于模糊神经网络控制的水质评价 379 11.5 本章小结.388 第三部分 综 合 应 用 第 12 章 模糊神经网络在工程中的应用 . 391 12.1 模糊神经网络391 12.1.1 模糊神经网络概述391 12.1.2 模糊系统与神经网络的区别与联系 392 12.1.3 典型模糊神经网络结构 393 12.1.4 自适应模糊神经推理系统.393 12.2 模糊神经网络建模方法 .395 12.3 模糊神经网络在工程中的应用举例.401 12.3.1 模糊神经网络在解耦控制中的应用 401 12.3.2 模糊神经网络在函数逼近中的应用 412 12.4 本章小结.419 第 13 章 遗传算法在图像处理中的应用 . 420 13.1 图像分割.420 13.1.1 图像分割的概念 .420 13.1.2 图像分割的理论 .420 13.1.3 灰度门限法简介 .421 13.1.4 基于最大类间方差图像分割原理422 13.2 遗传算法实现图像分割 .423 13.2.1 利用遗传算法实现图像分割的原理 423 13.2.2 算法实现 424 13.3 遗传算法在图像处理中的应用举例.424 13.3.1 基于遗传算法的道路图像阈值分割 424 13.3.2 基于遗传神经网络的图像分割433 13.3.3 应用遗传算法和 KSW熵法实现灰度图像阈值分割 437 13.4 本章小结.453 第 14 章 神经网络在参数估计中的应用 . 454 14.1 参数估计的基本知识.454 14.1.1 参数估计的概念 .454 14.1.2 点估计与区间估计454 14.1.3 样本容量 455 14.2 几种通用神经网络的MATLAB代码455 14.3 神经网络在参数估计中的应用举例.459 14.3.1 神经网络在人脸识别中的应用459 20 MATLAB 智能算法（第 2 版） 14.3.2 灰色神经网络在数据预测中的应用 466 14.3.3 BP 神经网络在数据预测中的应用 472 14.3.4 概率神经网络在分类预测中的应用 475 14.4 本章小结.478 第 15 章 基于智能算法的 PID 控制器设计 . 479 15.1 PID 控制器的理论基础479 15.2 智能算法在 PID 控制器设计中的应用.480 15.2.1 神经网络在PID 控制器设计中的应用 480 15.2.2 模糊控制在 PID 控制器设计中的应用 487 15.2.3 遗传算法在 PID 控制器设计中的应用 490 15.3 本章小结.494 参考文献 495 内容简介: 本书以MATLAB R2020a 软件为基础，详细介绍各种智能算法的原理及MATLAB 在智能算法中的应用，是一本MATLAB 智能算法设计的综合性参考书。 全书以智能算法原理及MATLAB 应用为主线，结合各种应用案例，详细讲解智能算法在MATLAB 中的实现方法。 全书共分为3 部分：第一部分为基础知识；第二部分介绍经典的智能算法及其在MATLAB 中的实现方法，包括遗传算法、免疫算法、蚁群算法、粒子群算法、小波分析、神经网络算法和模糊逻辑控制等内容；第三部分详细介绍智能算法在工程中的应用，包括模糊神经网络在工程中的应用、遗传算法在图像处理中的应用、神经网络在参数估计中的应用、基于智能算法的PID 控制器设计等内容。 本书以工程应用为目标，内容讲解深入浅出、循序渐进，既可作为高等院校理工科相关专业研究生、本科生的教材，也可作为广大科研工程技术人员的参考用书。 作者简介: 温正 北京航空航天大学博士后，现就职于中国航天科技集团，精通MATLAB、Mathematica、Lingo等工程仿真计算软件；熟练掌握利用MATLAB解决数学建模、科学计算、算法优化、机器学习等工程应用问题；在国内外期刊发表学术论文多篇，申请并获得授权专利多项，曾获得国防科学技术成果奖等奖项，读书期间获光华奖学金及优秀研究生等多项荣誉。 目录: 第一部分 基 础 知 识 第 1 章 人工智能概述. 3 1.1 人工智能基本概念 . 3 1.1.1 智能的概念 3 1.1.2 人工智能的概念 5 1.1.3 人工智能的研究目标 . 6 1.1.4 人工智能的研究方法 . 6 1.1.5 人工智能的特征 8 1.2 人工智能的应用. 9 1.2.1 机器思维 . 9 1.2.2 机器感知 . 10 1.2.3 机器行为 . 11 1.2.4 机器学习 . 12 1.2.5 机器计算 . 12 1.3 分布式人工智能. 13 1.3.1 机器系统 . 14 1.3.2 典型应用 . 14 1.4 本章小结 15 第 2 章 初识 MATLAB 16 2.1 MATLAB 工作环境. 16 2.1.1 操作界面简介 16 2.1.2 命令行窗口 17 2.1.3 命令历史记录 19 2.1.4 当前文件夹和路径管理 . 20 2.1.5 搜索路径 . 21 2.1.6 “工作区”窗口和数组编辑器. 23 2.1.7 变量的编辑命令 24 2.1.8 存取数据文件 25 2.2 MATLAB 基本概念. 26 2.2.1 数据类型概述 26 2.2.2 整数型. 26 14 MATLAB 智能算法（第 2 版） 2.2.3 浮点数型 . 28 2.2.4 复数. 30 2.2.5 无穷量和非数值量. 31 2.2.6 数据显示格式 31 2.2.7 数据类型函数 32 2.2.8 常量与变量 32 2.2.9 标量、向量、矩阵和数组 33 2.2.10 字符串 . 34 2.2.11 算术运算符 35 2.2.12 命令、函数、表达式和语句 36 2.3 MATLAB 帮助系统. 36 2.3.1 纯文本帮助 37 2.3.2 帮助导航 . 37 2.3.3 示例帮助 . 38 2.4 本章小结 38 第 3 章 MATLAB基础 39 3.1 数组. 39 3.1.1 数组的定义 39 3.1.2 数组的创建 39 3.1.3 多维数组及其操作. 47 3.2 矩阵. 51 3.2.1 实数值矩阵输入 51 3.2.2 复数矩阵输入 51 3.2.3 符号矩阵的生成 52 3.2.4 大矩阵的生成 53 3.2.5 矩阵的数学函数 53 3.3 符号运算 58 3.3.1 符号对象 . 58 3.3.2 符号变量 . 60 3.3.3 符号表达式及函数. 61 3.3.4 符号变量代换 63 3.3.5 符号对象转换为数值对象 64 3.3.6 符号表达式的化简. 65 3.3.7 符号运算的其他函数 . 67 3.3.8 两种特定的符号函数运算 69 3.4 关系运算和逻辑运算 . 70 3.4.1 关系运算 . 70 3.4.2 逻辑运算 . 71 3.4.3 常用函数 . 74 目录 15 3.4.4 运算符的优先级 75 3.5 本章小结 75 第 4 章 程序设计 76 4.1 自顶向下的程序设计方法 76 4.2 分支结构 79 4.2.1 if 分支结构 79 4.2.2 switch 分支结构 . 80 4.3 循环结构 81 4.3.1 while 循环结构. 81 4.3.2 for 循环结构. 82 4.3.3 控制程序的其他命令 . 83 4.4 程序调试和优化. 87 4.4.1 程序调试命令 87 4.4.2 程序常见的错误类型 . 87 4.4.3 效率优化 . 91 4.4.4 内存优化 . 91 4.5 本章小结 93 第二部分 算 法 专 题 第 5 章 遗传算法 97 5.1 遗传算法基础 97 5.1.1 算法基本运算 97 5.1.2 遗传算法的特点 98 5.1.3 遗传算法中的术语. 98 5.1.4 遗传算法发展现状. 99 5.1.5 遗传算法的应用领域 100 5.2 遗传算法原理 .100 5.2.1 算法运算过程 .100 5.2.2 算法编码 103 5.2.3 适应度及初始群体选取 103 5.2.4 算法参数设计原则104 5.2.5 适应度函数的调整104 5.2.6 程序设计 105 5.3 遗传算法典型应用 109 5.3.1 求函数极值.109 5.3.2 旅行商问题.121 5.3.3 基于遗传算法的 MP 算法的应用.127 5.4 遗传算法工具箱132 16 MATLAB 智能算法（第 2 版） 5.4.1 工具箱命令方式调用 133 5.4.2 遗传算法 App 调用 .135 5.4.3 遗传算法的优化 .138 5.5 本章小结.145 第 6 章 免疫算法 146 6.1 免疫算法基本概念 146 6.1.1 生物免疫系统 .146 6.1.2 免疫算法基本原理147 6.1.3 免疫算法步骤和流程 148 6.1.4 免疫系统模型和免疫算法.149 6.1.5 免疫算法特点 .150 6.1.6 免疫算法的发展趋势 150 6.2 免疫遗传算法 .151 6.2.1 免疫遗传算法步骤和流程.151 6.2.2 免疫遗传算法 MATLAB 实现 151 6.3 免疫算法的应用159 6.3.1 免疫算法在克隆选择中的应用159 6.3.2 免疫算法在最短路径规划中的应用 163 6.3.3 免疫算法在 TSP 中的应用 167 6.3.4 免疫算法在故障检测中的应用173 6.4 本章小结.180 第 7 章 蚁群算法 181 7.1 蚁群算法概述 .181 7.1.1 蚁群算法的起源 .181 7.1.2 蚁群算法的基本原理 182 7.1.3 自适应蚁群算法 .185 7.1.4 蚁群算法实现的重要规则.186 7.1.5 蚁群算法的特点 .186 7.1.6 蚁群算法的发展与应用 187 7.2 蚁群算法 MATLAB 实现188 7.3 蚁群算法的应用190 7.3.1 蚁群算法在路径规划中的应用190 7.3.2 蚁群算法在 TSP 中的应用 203 7.4 本章小结.207 第 8 章 粒子群算法 208 8.1 粒子群算法基础208 8.1.1 粒子群算法的起源208 8.1.2 粒子群算法的发展趋势 209 8.1.3 粒子群算法的特点209 目录 17 8.1.4 粒子群算法的应用210 8.2 基本粒子群算法211 8.2.1 基本原理 211 8.2.2 算法构成要素 .212 8.2.3 算法参数设置 .212 8.2.4 算法基本流程 .213 8.2.5 MATLAB 实现.213 8.3 权重改进的粒子群算法.219 8.3.1 自适应权重法 .219 8.3.2 随机权重法.222 8.3.3 线性递减权重法 .224 8.4 混合粒子群算法226 8.4.1 基于杂交的混合粒子群算法 .226 8.4.2 基于自然选择的混合粒子群算法229 8.4.3 基于免疫的混合粒子群算法 .231 8.4.4 基于模拟退火的混合粒子群算法235 8.5 本章小结.237 第 9 章 小波分析 238 9.1 傅里叶变换到小波分析.238 9.1.1 傅里叶变换.238 9.1.2 小波分析 240 9.2 Mallat算法242 9.2.1 Mallat 算法原理 242 9.2.2 常用小波函数介绍244 9.2.3 Mallat 算法示例 245 9.3 小波分析在信号处理中的应用248 9.3.1 信号压缩 248 9.3.2 信号去噪 249 9.3.3 信号分离 252 9.4 小波变换在图像处理中的应用255 9.4.1 图像压缩 255 9.4.2 图像边缘检测 .259 9.4.3 图像增强 260 9.5 小波 App 简介.262 9.6 本章小结.266 第 10 章 神经网络算法. 267 10.1 神经网络基础267 10.1.1 人工神经网络的发展 267 10.1.2 人工神经网络研究内容 268 18 MATLAB 智能算法（第 2 版） 10.1.3 人工神经网络研究方向 268 10.1.4 人工神经网络发展趋势 269 10.2 神经网络的结构及学习 .271 10.2.1 神经网络结构 .271 10.2.2 神经网络学习 .272 10.2.3 MATLAB 在神经网络中的应用 .285 10.3 神经网络工具箱288 10.3.1 神经网络工具箱函数 288 10.3.2 神经网络工具箱 App 305 10.3.3 神经网络的MATLAB实现310 10.4 Simulink 神经网络控制工具箱.325 10.4.1 神经网络模型预测控制 325 10.4.2 反馈线性化控制 .328 10.4.3 模型参考控制 .330 10.5 本章小结.333 第 11 章 模糊逻辑控制. 334 11.1 模糊逻辑控制基础 334 11.1.1 模糊逻辑控制的基本概念.334 11.1.2 模糊逻辑控制原理335 11.1.3 模糊逻辑控制器设计包括的内容335 11.1.4 模糊逻辑控制规则设计 336 11.1.5 模糊逻辑控制系统的应用领域336 11.2 模糊逻辑控制工具箱.337 11.2.1 功能特点 337 11.2.2 模糊系统基本类型338 11.2.3 模糊逻辑控制系统的构成.339 11.2.4 模糊推理系统的建立、修改与存储管理 .339 11.2.5 模糊语言变量及其语言值.346 11.2.6 模糊语言变量的隶属度函数 .349 11.2.7 模糊规则的建立与修改 353 11.2.8 模糊推理计算与去模糊化.355 11.3 模糊逻辑控制工具箱 App358 11.3.1 模糊推理系统编辑器 358 11.3.2 隶属度函数编辑器360 11.3.3 模糊规则编辑器 .360 11.3.4 模糊规则浏览器 .360 11.3.5 模糊推理输入/输出曲面视图 360 11.4 模糊逻辑控制的经典应用 .362 11.4.1 基于 Simulink 的模糊逻辑控制应用 362 目录 19 11.4.2 基于模糊逻辑控制的路径规划366 11.4.3 基于模糊神经网络控制的水质评价 379 11.5 本章小结.388 第三部分 综 合 应 用 第 12 章 模糊神经网络在工程中的应用 . 391 12.1 模糊神经网络391 12.1.1 模糊神经网络概述391 12.1.2 模糊系统与神经网络的区别与联系 392 12.1.3 典型模糊神经网络结构 393 12.1.4 自适应模糊神经推理系统.393 12.2 模糊神经网络建模方法 .395 12.3 模糊神经网络在工程中的应用举例.401 12.3.1 模糊神经网络在解耦控制中的应用 401 12.3.2 模糊神经网络在函数逼近中的应用 412 12.4 本章小结.419 第 13 章 遗传算法在图像处理中的应用 . 420 13.1 图像分割.420 13.1.1 图像分割的概念 .420 13.1.2 图像分割的理论 .420 13.1.3 灰度门限法简介 .421 13.1.4 基于最大类间方差图像分割原理422 13.2 遗传算法实现图像分割 .423 13.2.1 利用遗传算法实现图像分割的原理 423 13.2.2 算法实现 424 13.3 遗传算法在图像处理中的应用举例.424 13.3.1 基于遗传算法的道路图像阈值分割 424 13.3.2 基于遗传神经网络的图像分割433 13.3.3 应用遗传算法和 KSW熵法实现灰度图像阈值分割 437 13.4 本章小结.453 第 14 章 神经网络在参数估计中的应用 . 454 14.1 参数估计的基本知识.454 14.1.1 参数估计的概念 .454 14.1.2 点估计与区间估计454 14.1.3 样本容量 455 14.2 几种通用神经网络的MATLAB代码455 14.3 神经网络在参数估计中的应用举例.459 14.3.1 神经网络在人脸识别中的应用459 20 MATLAB 智能算法（第 2 版） 14.3.2 灰色神经网络在数据预测中的应用 466 14.3.3 BP 神经网络在数据预测中的应用 472 14.3.4 概率神经网络在分类预测中的应用 475 14.4 本章小结.478 第 15 章 基于智能算法的 PID 控制器设计 . 479 15.1 PID 控制器的理论基础479 15.2 智能算法在 PID 控制器设计中的应用.480 15.2.1 神经网络在PID 控制器设计中的应用 480 15.2.2 模糊控制在 PID 控制器设计中的应用 487 15.2.3 遗传算法在 PID 控制器设计中的应用 490 15.3 本章小结.494 参考文献 495
|
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |