本書對自然計算、機器學習、圖像自動理解與解譯三個前沿領域進行了詳細的論述。主要內(nèi)容包括進化計算、人工免疫系統(tǒng)、量子計算智能、多智能體系統(tǒng)、進化多目標優(yōu)化、核機器學習、流形學習與譜圖學習、集成學習、非線性逼近理論、多尺度幾何分析、多尺度變換域圖像感知與識別、圖像的高維奇異性檢測、圖像去噪的閾值方法、SAR圖像理解與解譯。
本書著重對上述領域的國內(nèi)外發(fā)展現(xiàn)狀進行總結，闡述作者對相關領域未來發(fā)展的研究與思考。本書可以作為計算機科學、信息科學、人工智能自動化技術等領域從事自然計算、機器學習、圖像處理研究的相關專業(yè)技術人員的參考書，也可以作為相關專業(yè)高年級本科生和研究生的教材。
第1章 進化計算
1.1 從人工智能到計算智能
1.2 從進化論到進化計算
1.2.1 現(xiàn)代進化論
1.2.2 生物進化與優(yōu)化
1.3 進化計算基礎知識
1.3.1 進化計算的主要分支
1.3.2 進化計算的數(shù)學基礎
1.3.3 進化算法的收斂理論
1.3.4 進化計算的應用
1.4 協(xié)同進化計算
1.4.1 協(xié)同進化的生物學基礎
1.4.2 協(xié)同進化的動力學描述
1.4.3 協(xié)同進化算法的發(fā)展現(xiàn)狀
1.5 非達爾文進化理論與密母計算
1.5.1 非達爾文進化的主要理論
1.5.2 密母計算的研究進展
參考文獻
第2章 人工免疫系統(tǒng)
2.1 從免疫系統(tǒng)到人工免疫系統(tǒng)
2.2 人工免疫系統(tǒng)的研究領域
2.2.1 人工免疫系統(tǒng)模型的研究
2.2.2 人工免疫系統(tǒng)算法的研究
2.2.3 人工免疫系統(tǒng)方法的應用研究
2.3 人工免疫系統(tǒng)與其它方法的比較
2.3.1 人工免疫系統(tǒng)與進化計算
2.3.2 人工免疫系統(tǒng)與人工神經(jīng)網(wǎng)絡
2.3.3 人工免疫系統(tǒng)與一般的確定性優(yōu)化算法
2.4 免疫優(yōu)化計算研究的新進展
2.4.1 免疫優(yōu)化算法研究的主要進展
2.4.2 免疫優(yōu)化計算理論分析的主要進展
2.5 問題與展望
參考文獻
第3章 量子計算智能
3.1 量子計算原理
3.1.1 狀態(tài)的疊加
3.1.2 狀態(tài)的相干
3.1.3 狀態(tài)的糾纏
3.1.4 量子并行性
3.2 量子計算智能的幾種模型
3.2.1 量子人工神經(jīng)網(wǎng)絡
3.2.2 基于量子染色體的進化算法
3.2.3 基于量子特性的優(yōu)化算法
3.2.4 量子聚類算法
3.2.5 量子模式識別算法
3.2.6 量子小波與小波包算法
3.2.7 量子退火算法
3.2.8 其它
3.3 量子進化算法
3.3.1 量子進化算法的提出
3.3.2 量子進化操作
3.3.3 量子進化算法的結構框架
3.4 問題與展望
參考文獻
第4章 多智能體系統(tǒng)
4.1 復雜適應系統(tǒng)
4.1.1 復雜適應系統(tǒng)概述
4.1.2 復雜適應系統(tǒng)的適應性與生物進化過程
4.1.3 生物進化過程的數(shù)學模型
4.2 多智能體系統(tǒng)
4.2.1 智能體的基本概念
4.2.2 智能體形式化描述
4.2.3 多智能體系統(tǒng)的主要研究內(nèi)容
4.2.4 面向問題解決的多智能體系統(tǒng)研究現(xiàn)狀
4.2.5 多智能體系統(tǒng)與分布式人工智能
4.2.6 多智能體系統(tǒng)與人工生命
4.2.7 多智能體系統(tǒng)與進化計算
參考文獻
第5章 進化多目標優(yōu)化
第6章 核機器學習
第7章 流形學習與譜圖學習
第8章 集成學習
第9章 非線性逼近理論
第10章 多尺度幾何分析
第11章 多尺度變換域圖像感知與識別
第12章 圖像的高維奇異性檢測、 學習與理解
第13章 圖像去噪的閾值方法
第14章 SAR圖像理解與解譯
參考文獻
書單推薦
