量子計算、優化與學習 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

焦李成 等 著

齣版社： 科學齣版社

ISBN：9787030523464

版次：01

商品編碼：12168000

包裝：精裝

開本：32開

齣版時間：2017-03-01

頁數：308

正文語種：中文

內容簡介

鑒於量子智能信息處理技術展現的廣闊前景，以及對社會各個方麵的重要影響。本書作者在該領域進行瞭深入而有成效的研究工作。在十多年的探索研究中，取得瞭一些成果，並在廣泛的應用領域進行瞭嘗試。從量子智能信息處理的角度，對很多復雜問題提齣瞭新穎的解決思路和方法。基於前麵的工作，結閤國內外的發展動態，本書集閤瞭當前量子智能信息處理的很多相關內容。不僅包含量子計算，智能信息處理以及交叉領域的基礎理論介紹，更加入瞭許多*新技術在不同領域的應用工作解析。

目錄

前言

第1章 量子計算物理基礎
1.1 量子算法
1.2 量子係統中的疊加、相乾與坍縮
1.3 量子態的乾涉
1.4 量子態的糾纏
1.5 量子計算的並行性
參考文獻

第2章 量子搜索與優化
2.1 Gmver搜索算法
2.2 量子進化算法
2.2.1 基於量子鏇轉門的進化算法
2.2.2 基於吸引子的進化算法
2.3 量子退火算法
參考文獻

第3章 量子學習
3.1 量子聚類
3.1.1 基於優化的量子聚類
3.1.2 基於量子力學啓發的聚類
3.2 量子神經網絡
3.2.1 量子M-P模型
3.2.2 量子Hopfield神經網絡
3.3 量子貝葉斯網絡
3.4 量子小波變換
參考文獻

第4章 量子進化組播路由
4.1 量子進化多維背包算法
4.1.1 基本理論
4.1.2 量子進化多維背包算法
4.1.3 仿真實驗及其結果分析
4.2 量子進化靜態組播路由
4.2.1 量子進化算法
4.2.2 時延受限組播路由問題定義
4.2.3 量子進化組播路由算法
4.2.4 仿真實驗及其結果分析
4.3 量子進化動態組播路由
4.3.1 動態組播問題的定義
4.3.2 量子進化動態組播路由算法
4.4 結論與討論
參考文獻

第5章 量子粒子群優化
5.1 協同量子粒子群優化
5.1.1 協同量子粒子群算法
5.1.2 改進的協同量子粒子群算法
5.1.3 仿真實驗及其結果分析
5.2 基於多次塌陷一正交交叉的量子粒子群優化
5.2.1 量子多次塌陷
5.2.2 正交交叉試驗簡介
5.2.3 多次塌陷一正交交叉的量子粒子群算法
5.2.4 仿真實驗及其結果分析
5.3 結論與討論
參考文獻

第6章 量子進化聚類
6.1 基於流形距離的量子進化聚類
6.1.1 流形距離
6.1.2 基於流形距離的量子進化數據聚類
6.1.3 算法收斂性分析
6.1.4 時間復雜度分析
6.1.5 仿真實驗及其結果分析
6.2 量子多目標進化聚類
6.2.1 聚類算法簡介
6.2.2 量子多目標進化聚類算法
6.2.3 時間復雜度分析
6.2.4 仿真實驗及其結果分析
6.3 結論與討論
參考文獻

第7章 基於核熵成分分析的量子聚類
7.1 量子聚類算法
7.2 基於核熵成分分析的量子聚類算法
7.3 仿真實驗及其結果分析
7.4 結論與討論
參考文獻

第8章 量子粒子群數據分類
8.1 基於量子粒子群的最近鄰原型數據分類
8.1.1 數據分類方法簡介
8.1.2 K近鄰分類概述
8.1.3 基於量子粒子群的最近鄰原型的數據分類算法
8.1.4 仿真實驗及其結果分析
8.2 改進的量子粒子群的最近鄰原型數據分類
8.2.1 基於多次塌陷一正交交叉量子粒子群的最近鄰原型算法的數據分類
8.2.2 仿真實驗及其結果分析
8.3 結論與討論
參考文獻

第9章 量子進化聚類圖像分割
9.1 基於量子進化聚類的圖像分割
9.1.1 圖像分割方法簡介
9.1.2 圖像紋理特徵提取
9.1.3 仿真實驗及其結果分析
9.2 基於分水嶺一量子進化聚類算法的圖像分割
9.2.1 形態學分水嶺算法
9.2.2 基於分水嶺一量子進化聚類算法的圖像分割
9.2.3 仿真實驗及其結果分析
9.3 基於量子多目標進化聚類算法的圖像分割
9.3.1 基於量子多目標進化聚類算法的圖像分割
9.3.2 仿真實驗及其結果分析
9.4 結論與討論
參考文獻

第10章 量子免疫剋隆聚類SAR圖像分割與變化檢測
10.1 基於分水嶺一量子免疫剋隆聚類算法的sAR圖像分割
10.1.1 基於分水嶺一量子免疫剋隆聚類算法的sAR圖像分割方法簡介
10.1.2 算法設計與流程說明
10.1.3 時間復雜度分析
10.1.4 仿真實驗及其結果分析
10.2 基於先驗知識一分水嶺量子免疫剋隆聚類的sAR圖像分割
10.2.1 K均值聚類概述
10.2.2 算法設計與流程說明
10.2.3 仿真實驗及其結果分析
10.3 基於量子免疫剋隆聚類的sAR圖像變化檢測
10.3.1 變化檢測的一般流程及方法
10.3.2 算法設計與流程說明
10.3.3 時間復雜度分析
10.3.4 仿真實驗及其結果分析
10.4 結論與討論
參考文獻

第11章 量子粒子群醫學圖像分割
11.1 基於協同量子粒子群優化的醫學圖像分割
11.1.1 醫學圖像分割概述
11.1.2 基於改進的協同量子粒子群算法的醫學圖像分割
11.1.3 仿真實驗及其結果分析
11.2 基於多背景變量協同量子粒子群優化及醫學圖像分割
11.2.1 背景變量概述
11.2.2 多背景變量協同量子粒子群算法
11.2.3 基於多背景協同量子粒子群算法的圖像分割
11.3 動態變異與背景協同的量子粒子群算法
11.3.1 量子粒子群算法的理論背景
11.3.2 背景協同的量子粒子群算法
11.3.3 改進的背景協同量子粒子群算法
11.3.4 函數仿真測試
11.3.5 醫學圖像分割仿真測試
11.4 結論與討論
參考文獻

第12章 量子聚類社區檢測
12.1 基於量子聚類的社團檢測
12.1.1 社團檢測方法的研究及發展
12.1.2 基於量子聚類算法的社團檢測
12.1.3 仿真實驗及其結果分析
12.2 基於量子聚類的大規模社團檢測一
12.2.1 基於量子聚類算法的大規模社團檢測
12.2.2 仿真實驗及其結果分析
12.3 結論與討論
參考文獻

評分☆☆☆☆☆

是正版

評分☆☆☆☆☆

量子計算最近比較熱，買來看看。

評分☆☆☆☆☆

值得一讀

評分☆☆☆☆☆

值得一讀

評分☆☆☆☆☆

量子計算最近比較熱，買來看看。

評分☆☆☆☆☆

是正版

評分☆☆☆☆☆

內容豐富，經典

評分☆☆☆☆☆

量子計算、優化與學習

評分☆☆☆☆☆

內容豐富，經典