本書主要包含7部分：第1部分為緒論，闡述了混合蛙跳算法的研究背景和意義，介紹了混合蛙跳算法的基本原理、研究現狀和發(fā)展方向，并概述了本書的主要研究內容；第2部分介紹了混合蛙跳算法的參數優(yōu)化方案，并采用改進正交試驗方法獲得了**參數方案；第3部分介紹了混合蛙跳算法的三種改進策略，提出了2種改進的混合蛙跳算法，并通過實驗驗證了改進算法的性能；第4部分介紹了改進混合蛙跳特征選擇方法在高維生物醫(yī)學數據集上的應用情況，改進混合蛙跳特征選擇方法顯著提高了數據集特征選擇的性能；第5部分介紹了混合蛙跳算法自適應特征選擇方法在高維生物醫(yī)學數據集上的應用情況，自適應特征選擇方法在保證數據集分類精度的同時，進一步縮短了特征選擇的運行時間；第6部分提出了一種帶學習因子的雞群優(yōu)化算法，將其應用到高維數據集特征選擇方法中，從而提高了數據集的分類精度；第7部分總結本書所做的研究工作，并對下一步的研究內容進行了展望。
前言
1 緒論
1.1 引言
1.1.1 優(yōu)化模型
1.1.2 優(yōu)化算法
1.2 群體智能優(yōu)化算法
1.3 混合蛙跳算法的改進及應用
1.3.1 算法的改進
1.3.2 算法的應用
1.3.3 算法收斂性分析
1.4 特征選擇方法
1.4.1 特征選擇應用研究
1.4.2 智能優(yōu)化算法特征選擇方法
1.5 本書的創(chuàng)新點
1.6 小結
2 混合蛙跳算法的參數優(yōu)化
2.1 引言
2.2 混合蛙跳算法原理
2.2.1 種群分割
2.2.2 尋優(yōu)原理
2.2.3 算法流程
2.3 混合蛙跳算法參數優(yōu)化設計
2.3.1 正交試驗設計方法
2.3.2 分組-子群平衡正交試驗設計方法
2.4 小結
3 改進的混合蛙跳算法
3.1 引言
3.2 算法的改進策略
3.2.1 混沌記憶權重因子
3.2.2 細菌覓食因子
3.2.3 平衡分組策略
3.3 改進策略性能分析
3.3.1 固定迭代次數下的算法優(yōu)化精度分析
3.3.2 固定優(yōu)化精度下的算法迭代次數分析
3.4 算法計算復雜度
3.5 小結
4 基于混合蛙跳算法的高維生物醫(yī)學特征選擇方法
4.1 引言
4.2 算法的離散化處理
4.3 特征選擇的實現
4.3.1 算法步驟
4.3.2 特征選擇流程
4.3.3 特征選擇評價函數
4.3.4 數據處理與分析
4.4 小結
5 基于混合蛙跳算法的自適應高維生物醫(yī)學特征選擇方法
5.1 引言
5.2 自適應解空間調整策略
5.3 自適應混合蛙跳特征選擇方法
5.3.1
A-ISFLA步驟
5.3.2
ABF-SFLA步驟
5.3.3 特征選擇方法流程
5.3.4 評價函數
5.3.5 數據處理與分析
5.3.6 算法計算復雜度
5.4 小結
6 帶學習因子雞群優(yōu)化算法在高維數據特征選擇中的應用
6.1 改進的雞群優(yōu)化算法
6.1.1 學習機制策略
6.1.2 線性微分遞減策略
6.1.3 算法流程
6.2 實驗結果與分析
6.2.1 標準測試函數
6.2.2 算法測試與比較
6.3 特征選擇
6.3.1 特征選擇概念及基本框架
6.3.2 特征選擇方法分類
6.4 帶學習因子雞群優(yōu)化算法特征選擇應用
6.4.1 數據集
6.4.2 評價函數
6.4.3 鄰近算法
6.4.4 十折交叉驗證
6.4.5 適應度函數設計流程
6.4.6 參數設置
6.4.7 結果與分析
6.5 小結
7 總結和展望
7.1 總結
7.2 展望
參考文獻
書單推薦
