第1章 智能優(yōu)化計算概述 1.1 智能優(yōu)化計算 1.2 人工神經網(wǎng)絡 1.3 遺傳算法 1.4 群體智能 1.5 小結 1.6 參考文獻 第2章 基于BP神經網(wǎng)絡優(yōu)化的數(shù)字圖像處理 2.1 數(shù)字圖像介紹 2.2 數(shù)字圖像處理與識別 2.3 人工神經網(wǎng)絡的基本原理 2.4 BP算法在手寫數(shù)字字符識別中的應用 2.5 小結 2.6 參考文獻 第3章 蟻群算法及其應用 3.1 蟻群算法的基本原理 3.2 螞蟻系統(tǒng) 3.3 蟻群算法在求解TSP問題中的應用 3.4 小結 3.5 參考文獻 第4章 遺傳算法優(yōu)化在數(shù)字圖像水印技術中的應用 4.1 遺傳算法簡介 4.2 遺傳算法的特點 4.3 遺傳算法的原理 4.4 遺傳算法的偽碼 4.5 基本遺傳算法優(yōu)化 4.6 基于遺傳算法的DCT域圖像水印 4.7 基于GA的DCT域圖像水印算法實例 4.8 小結 4.9 參考文獻 第5章 灰色系統(tǒng)在醫(yī)學圖像處理中的應用 5.1 灰色系統(tǒng)的產生 5.2 灰色系統(tǒng)理論的基本概念 5.3 灰色關聯(lián)分析 5.4 基于灰色系統(tǒng)理論的各向異性擴散圖像去噪方法 5.5 小結 5.6 參考文獻 第6章 基于極限學習優(yōu)化的視頻圖像識別研究 6.1 視頻圖像理解 6.2 典型的視頻圖像識別技術 6.3 極限學習機原理 6.4 關聯(lián)圖正則極限學習算法 6.5 小結 6.6 參考文獻 第7章 常用優(yōu)化計算 7.1 *小二乘法 7.2 主成分分析 7.3 支持向量機 7.4 小結 7.5 參考文獻 第8章 深度學習 8.1 初識深度學習 8.2 卷積神經網(wǎng)絡 8.3 卷積神經網(wǎng)絡學習算法 8.4 典型CNN結構 8.5 深度學習的網(wǎng)絡優(yōu)化與正則化 8.6 深度學習的應用 8.7 深度學習的進一步研究方向 8.8 小結 8.9 參考文獻 第9章 推薦算法優(yōu)化及應用 9.1 基于內容的推薦算法 9.2 基于圖的推薦算法 9.3 基于關聯(lián)算法的協(xié)同過濾 9.4 基于聚類算法的協(xié)同過濾 9.5 推薦算法的研究新方向 9.6 小結 9.7 參考文獻