- 作 者：赵佳琦著
- 出 版 社：北京：科学出版社
- 出版年份：2019
- ISBN：9787030612618
- 标注页数：210 页
- PDF页数：223 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源223 ≥210页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
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