图书介绍
智能科学技术著作丛书 多目标学习算法及其应用PDF|Epub|txt|kindle电子书版本网盘下载
- 赵佳琦著 著
- 出版社： 北京：科学出版社
- ISBN：9787030612618
- 出版时间：2019
- 标注页数：210页
- 文件大小：80MB
- 文件页数：223页
- 主题词：机器学习－算法
PDF下载
下载说明
智能科学技术著作丛书 多目标学习算法及其应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
第1章 多目标学习基础1
1.1 进化计算1
1.1.1 遗传算法2
1.1.2 进化规划5
1.1.3 进化策略7
1.2 最优化方法8
1.2.1 单目标优化问题8
1.2.2 多目标优化问题9
1.2.3 高维多目标优化问题10
1.3 机器学习11
1.4 多目标学习12
1.5 本章小结15
参考文献15
第2章 基于三维凸包的进化多目标优化算法18
2.1 引言18
2.2 相关工作20
2.3 增广DET图和多目标优化问题21
2.3.1 增广DET图和多目标分类器22
2.3.2 ADCH最大化和多目标优化24
2.4 基于三维凸包的进化多目标优化算法描述26
2.4.1 基于非冗余三维凸包的排序算法27
2.4.2 基于VAS贡献度的选择策略28
2.4.3 算法框架29
2.4.4 算法计算复杂度分析31
2.5 人工设计测试问题实验31
2.5.1 ZEJD问题设计32
2.5.2 评价准则34
2.5.3 参数设置35
2.5.4 结果和分析35
2.6 本章小结46
参考文献46
第3章 基于三维凸包的进化多目标优化快速算法50
3.1 引言50
3.2 相关工作51
3.3 基于三维凸包的进化多目标优化快速算法描述53
3.3.1 基于三维增量凸包的排序算法53
3.3.2 基于年龄的选择策略55
3.3.3 AVAS快速计算方法56
3.3.4 增量凸包构造算法60
3.3.5 算法计算复杂度分析61
3.4 实验研究63
3.4.1 3DFCH-EMOA和多种EMOA对比63
3.4.2 3DFCH-EMOA和3DCH-EMOA对比83
3.4.3 基于年龄的选择策略和随机选择策略对比89
3.5 本章小结89
参考文献90
第4章 进化多目标稀疏集成学习93
4.1 引言93
4.2 相关工作95
4.3 多目标稀疏集成学习过程96
4.3.1 稀疏集成学习96
4.3.2 多目标集成学习98
4.3.3 增广DET凸包最大化98
4.3.4 稀疏实数编码101
4.4 实验研究102
4.4.1 基于C4.5 和装袋策略的实验结果103
4.4.2 基于CART和随机子空间的实验结果115
4.4.3 多目标稀疏集成算法与五种修剪算法对比124
4.5 本章小结127
参考文献127
第5章 多目标稀疏神经网络学习131
5.1 引言131
5.2 神经网络132
5.3 多目标稀疏神经网络参数学习136
5.3.1 UCI数据集137
5.3.2 对比算法137
5.3.3 参数设置137
5.3.4 结果和分析138
5.4 多目标稀疏神经网络结构修剪142
5.4.1 UCI数据集143
5.4.2 对比算法144
5.4.3 参数设置144
5.4.4 结果和分析144
5.5 本章小结146
参考文献146
第6章 多目标卷积神经网络及其学习算法147
6.1 引言147
6.2 相关工作149
6.2.1 卷积神经网络149
6.2.2 双档案高维多目标进化算法152
6.3 高维多目标卷积神经网络模型153
6.3.1 多类别DET超平面153
6.3.2 MaO-CNN模型描述155
6.3.3 MaO-CNN模型学习算法156
6.4 实验研究159
6.4.1 数据集描述159
6.4.2 实验对比算法161
6.4.3 评价准则161
6.4.4 参数设置161
6.4.5 结果和分析162
6.5 本章小结166
参考文献167
第7章 基于多目标学习的垃圾邮件检测169
7.1 引言169
7.2 多目标垃圾邮件检测模型171
7.2.1 问题定义171
7.2.2 进化算法在邮件检测问题中的应用172
7.2.3 多目标优化算法进展173
7.2.4 垃圾邮件检测数据集175
7.3 实验研究176
7.3.1 多目标邮件检测模型176
7.3.2 实验参数设置177
7.4 实验研究178
7.4.1 结果和分析179
7.4.2 多目标垃圾邮件检测系统部署184
7.5 本章小结185
参考文献185
第8章 多目标深度卷积生成式对抗网络187
8.1 引言187
8.2 相关工作188
8.2.1 生成式对抗网络188
8.2.2 深度卷积生成式对抗网络189
8.3 多目标深度卷积生成式对抗网络模型190
8.3.1 模型设计190
8.3.2 群搜索策略191
8.3.3 基于Pareto占优的选择策略192
8.3.4 交叉算子设计193
8.3.5 MO-DCGAN学习框架194
8.4 实验研究195
8.4.1 参数设置195
8.4.2 结果和分析196
8.5 本章小结205
参考文献206
第9章 总结和展望208
9.1 本书主要工作总结208
9.2 工作展望210