|
000
|
01569nam0 2200277 450
|
|
001
|
202019137857
|
|
005
|
20191026133321.0
|
|
010
|
|
@a978-7-03-060381-4@dCNY98.00
|
|
100
|
|
@a20191023d2019 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aafk a 000yy
|
|
106
|
|
@ar
|
|
200
|
1
|
@a生物地理学优化算法的改进及其在图像分割上的应用@Asheng wu di li xue you hua suan fa de gai jin ji qi zai tu xiang fen ge shang de ying yong@f张新明, 康强著
|
|
210
|
|
@a北京@c科学出版社@d2019.06
|
|
215
|
|
@a228页, [6] 页图版@c图@d24cm
|
|
300
|
|
@a河南师范大学学术专著出版基金资助 2019年河南省高等学校重点科研项目计划 (项目编号: 19A520026) 资助
|
|
320
|
|
@a有书目
|
|
330
|
|
@a本书以优化问题开篇, 逐渐引入群智能优化算法的概念, 由群智能优化算法逐步引入BBO, 对BBO背景、原理、存在的缺陷及改进动机进行了详细介绍, 对BBO目前国内外研究现状进行了综述, 对BBO各步骤代表性改进研究进行了简述, 并详细描述了6项作者课题组对BBO的创新性改进研究。6项研究分别为”差分迁移和趋优变异的BBO算法 (DGBBO) ”、“差分变异和交叉迁移的BBO算法 (DCBBO) ”、“混合交叉的BBO算法 (HCBBO) ”、“高效融合的BBO算法 (EMBBO) ”、“GWO与BBO的混合算法 (HBBOG) ”和“SFLA与BBO的混合算法 (HBBOS) ”。在本书第4至9章内容中, 描述了这些算法的原理, 并通过大量基准函数实验对比了当前最先进的算法, 验证对BBO的改进效果。
|
|
606
|
0
|
@a生物地理学@Asheng wu di li xue@x最优化算法@x应用@x图象分割@x研究
|
|
690
|
|
@aTN911.73@v5
|
|
690
|
|
@aTP301.6@v5
|
|
701
|
0
|
@a张新明@Azhang xin ming@4著
|
|
701
|
0
|
@a康强@Akang qiang@4著
|
|
801
|
0
|
@aCN@c20190905
|
|
905
|
|
@a河南城建学院图书馆@dTN911.73@eZ214
|
|
|
|
|
| |
| 生物地理学优化算法的改进及其在图像分割上的应用/张新明, 康强著.-北京：科学出版社，2019.06 |
| 228页, [6] 页图版：图；24cm |
| 河南师范大学学术专著出版基金资助 2019年河南省高等学校重点科研项目计划 (项目编号: 19A520026) 资助 |
| |
| ISBN 978-7-03-060381-4：CNY98.00 |
| 本书以优化问题开篇, 逐渐引入群智能优化算法的概念, 由群智能优化算法逐步引入BBO, 对BBO背景、原理、存在的缺陷及改进动机进行了详细介绍, 对BBO目前国内外研究现状进行了综述, 对BBO各步骤代表性改进研究进行了简述, 并详细描述了6项作者课题组对BBO的创新性改进研究。6项研究分别为”差分迁移和趋优变异的BBO算法 (DGBBO) ”、“差分变异和交叉迁移的BBO算法 (DCBBO) ”、“混合交叉的BBO算法 (HCBBO) ”、“高效融合的BBO算法 (EMBBO) ”、“GWO与BBO的混合算法 (HBBOG) ”和“SFLA与BBO的混合算法 (HBBOS) ”。在本书第4至9章内容中, 描述了这些算法的原理, 并通过大量基准函数实验对比了当前最先进的算法, 验证对BBO的改进效果。 |
| ● |
正题名：生物地理学优化算法的改进及其在图像分割上
索取号：TN911.73/Z214
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
1446834
|
214468342
|
自科库301/301自科库 36排3列5层/
[索取号:TN911.73/Z214]
|
在馆
|
|
|
2
|
1446835
|
214468351
|
自科库301/301自科库 36排3列5层/
[索取号:TN911.73/Z214]
|
在馆
|
|
