新書推薦：
《
进化主义在中国的兴起（王中江著作系列）
》
售價：NT$
950.0
《
不废风雅 生活的意趣（汪曾祺风雅意趣妙文）
》
售價：NT$
280.0
《
东亚世界形成史论（新版）
》
售價：NT$
490.0
《
奶奶的半个心愿 “课本里的作家” 中考热点作家孙道荣2024年全新散文集
》
售價：NT$
190.0
《
天生坏种：罪犯与犯罪心理分析
》
售價：NT$
445.0
《
新能源材料
》
售價：NT$
290.0
《
传统文化有意思：古代发明了不起
》
售價：NT$
199.0
《
无法从容的人生：路遥传
》
售價：NT$
340.0
|
| 內容簡介： |
|
《量子计算、优化与学习》对近年来量子计算智能领域常见理论及技术进行较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行展示和报告。《量子计算、优化与学习》从优化和学习两个方面展开，主要内容包含：量子计算物理基础、量子搜索与优化、量子学习、量子进化组播路由、量子粒子群优化、量子进化聚类、基于核熵成分分析的量子聚类、量子粒子群数据分类、量子进化聚类图像分割、量子免疫克隆聚类SAR图像分割与变化检测、量子粒子群医学图像分割和量子聚类社区检测等。
|
| 目錄：
|
|
目录前言第1章 量子计算物理基础 11.1 量子算法 11.2 量子系统中的叠加、相干与坍缩 21.3 量子态的干涉 41.4 量子态的纠缠 51.5 量子计算的并行性 6参考文献 7第2章 量子搜索与优化 82.1 Grover 搜索算法 82.2 量子进化算法 92.2.1 基于量子旋转门的进化算法 92.2.2 基于吸引子的进化算法 102.3 量子退火算法 14参考文献 15第3章 量子学习 173.1 量子聚类 173.1.1 基于优化的量子聚类 183.1.2 基于量子力学启发的聚类 183.2 量子神经网络 193.2.1 量子 M-P 模型 203.2.2 量子 Hopfield 神经网络 223.3 量子贝叶斯网络 233.4 量子小波变换 26参考文献 27第4章 量子进化组播路由 294.1 量子进化多维背包算法 294.1.1 基本理论 294.1.2 量子进化多维背包算法 324.1.3 仿真实验及其结果分析 364.2 量子进化静态组播路由 394.2.1 量子进化算法 394.2.2 时延受限组播路由问题定义 444.2.3 量子进化组播路由算法 454.2.4 仿真实验及其结果分析 514.3 量子进化动态组播路由 544.3.1 动态组播问题的定义 544.3.2 量子进化动态组播路由算法 564.4 结论与讨论 61参考文献 62第5章 量子粒子群优化 655.1 协同量子粒子群优化 655.1.1 协同量子粒子群算法 655.1.2 改进的协同量子粒子群算法 665.1.3 仿真实验及其结果分析 695.2 基于多次塌陷-正交交叉的量子粒子群优化 825.2.1 量子多次塌陷 825.2.2 正交交叉试验简介 835.2.3 多次塌陷-正交交叉的量子粒子群算法 855.2.4 仿真实验及其结果分析 875.3 结论与讨论 95参考文献 95第6章 量子进化聚类 976.1 基于流形距离的量子进化聚类 976.1.1 流形距离 976.1.2 基于流形距离的量子进化数据聚类 986.1.3 算法收敛性分析 1016.1.4 时间复杂度分析 1036.1.5 仿真实验及其结果分析 1036.2 量子多目标进化聚类 1086.2.1 聚类算法简介 1086.2.2 量子多目标进化聚类算法 1126.2.3 时间复杂度分析 1176.2.4 仿真实验及其结果分析 1186.3 结论与讨论 124参考文献 124第7章 基于核熵成分分析的量子聚类 1267.1 量子聚类算法 1267.2 基于核熵成分分析的量子聚类算法 1287.3 仿真实验及其结果分析 1357.4 结论与讨论 146参考文献 147第8章 量子粒子群数据分类 1488.1 基于量子粒子群的近邻原型数据分类 1488.1.1 数据分类方法简介 1488.1.2 K 近邻分类概述 1528.1.3 基于量子粒子群的近邻原型的数据分类算法 1548.1.4 仿真实验及其结果分析 1568.2 改进的量子粒子群的近邻原型数据分类 1628.2.1 基于多次塌陷-正交交叉量子粒子群的近邻原型算法的数据分类 1628.2.2 仿真实验及其结果分析 1658.3 结论与讨论 171参考文献 172第9章 量子进化聚类图像分割 1739.1 基于量子进化聚类的图像分割 1739.1.1 图像分割方法简介 1739.1.2 图像纹理特征提取 1769.1.3 仿真实验及其结果分析 1789.2 基于分水岭-量子进化聚类算法的图像分割 1829.2.1 形态学分水岭算法 1829.2.2 基于分水岭-量子进化聚类算法的图像分割 1849.2.3 仿真实验及其结果分析 1859.3 基于量子多目标进化聚类算法的图像分割 1949.3.1 基于量子多目标进化聚类算法的图像分割 1949.3.2 仿真实验及其结果分析 1989.4 结论与讨论 206参考文献 207第10章 量子免疫克隆聚类 SAR 图像分割与变化检测 20910.1 基于分水岭-量子免疫克隆聚类算法的 SAR 图像分割 20910.1.1 基于分水岭-量子免疫克隆聚类算法的 SAR 图像分割方法简介 20910.1.2 算法设计与流程说明 20910.1.3 时间复杂度分析 21210.1.4 仿真实验及其结果分析 21210.2 基于先验知识-分水岭量子免疫克隆聚类的 SAR 图像分割 21810.2.1 K 均值聚类概述 21810.2.2 算法设计与流程说明 22010.2.3 仿真实验及其结果分析 22210.3 基于量子免疫克隆聚类的 SAR 图像变化检测 22810.3.1 变化检测的一般流程及方法 22810.3.2 算法设计与流程说明 23010.3.3 时间复杂度分析 23310.3.4 仿真实验及其结果分析 23310.4 结论与讨论 236参考文献 237第11章 量子粒子群医学图像分割 23811.1 基于协同量子粒子群优化的医学图像分割 23811.1.1 医学图像分割概述 23811.1.2 基于改进的协同量子粒子群算法的医学图像分割 24011.1.3 仿真实验及其结果分析 24211.2 基于多背景变量协同量子粒子群优化及医学图像分割 24411.2.1 背景变量概述 24511.2.2 多背景变量协同量子粒子群算法 24511.2.3 基于多背景协同量子粒子群算法的图像分割 24811.3 动态变异与背景协同的量子粒子群算法 25211.3.1 量子粒子群算法的理论背景 252 11.3.2 背景协同的量子粒子群算法 25911.3.3 改进的背景协同量子粒子群算法 26011.3.4 函数仿真测试 26311.3.5 医学图像分割仿真测试 26411.4 结论与讨论 271参考文献 271第12章 量子聚类社区检测 27312.1 基于量子聚类的社团检测 27312.1.1 社团检测方法的研究及发展 27312.1.2 基于量子聚类算法的社团检测 27612.1.3 仿真实验及其结果分析 27912.2 基于量子聚类的大规模社团检测 28712.2.1 基于量子聚类算法的大规模社团检测 28712.2.2 仿真实验及其结果分析 29212.3 结论与讨论 298参考文献 298
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
