群智能算法在人腦功能劃分中的應用 pdf epub mobi txt 电子书下载 2025

☆☆☆☆☆

趙學武

下载链接在页面底部

具体描述

以人腦功能劃分方法為主線，結合群智慧演算法，圍繞面向功能磁共振成像（fMRI）資料的人腦功能研究，詳細介紹4種靜態人腦功能劃分方法和1種動態人腦功能劃分方法。

全書共7章，首先概述了人腦功能研究及群智慧演算法，然後介紹了面向fMRI資料的人腦功能劃分進展，最後分別介紹了基於免疫克隆選擇演算法搜索高斯混合模型（GMM）的腦島功能劃分方法、基於人工蜂群演算法的人腦功能劃分方法、基於改進型粒子群的人腦功能劃分方法、基於人工水母搜索優化的人腦功能劃分方法、基於滑動視窗和人工蜂群演算法的動態人腦功能劃分方法。

著者信息

趙學武，副教授，博士，鄭州航空工業管理學院智慧工程學院軟體工程系主任。博士畢業于北京工業大學，研究方向為資料採擷、機器學習、腦科學與大資料。主持或參與省部級以上項目4項，發表SCI論文2篇、EI論文3篇、核心論文10餘篇，指導學生參加學科競賽並獲獎10余項，參與校級和省級教改專案2項。

李玲玲，教授，博士後，鄭州航空工業管理學院科技處處長，多模資訊感知計算河南省工程實驗室主任，河南省航空物流大資料應用技術服務工程研究中心主任。博士畢業于華中科技大學，廈門大學博士後流動站出站。研究方向為電腦視覺。教育部新世紀優秀人才，河南省創新人才、學術技術帶頭人，河南省“創新型科技團隊”帶頭人、高校科技創新團隊帶頭人，鄭州市科技創新創業團隊帶頭人，河南省高等學校青年骨幹教師。主持各級科研專案16項，完成省級專案鑒定9項，出版科研著作5部，獲得河南省科學技術進步二等獎、三等獎等獎項。

羅向陽，國防科技卓越青年基金獲得者，河南省科技創新傑出青年，中原科技創新領軍人才。先後主持國家自然科學基金專案5項，各類國家級和省部級科研專案30余項，在國內外重要學術期刊/會議發表論文200餘篇，獲發明專利授權30余項。

图书目录

第1章　緒論
1.1　研究背景與研究意義　2
1.2　人腦功能概述　4
1.2.1　人腦功能的物質基礎　4
1.2.2　人腦的功能　6
1.2.3　人腦功能的特點　7
1.2.4　人腦功能的研究方法　8
1.3　群智慧演算法概述　10
1.3.1　群智慧演算法發展簡史　10
1.3.2　群智慧演算法的特點　12
1.3.3　群智慧演算法在聚類中的應用　12
1.4　主要研究內容　14
1.4.1　面向fMRI資料的人腦功能劃分進展　14
1.4.2　靜態人腦功能劃分方法　14
1.4.3　動態人腦功能劃分方法　16

第2章　面向fMRI資料的人腦功能劃分進展
2.1　fMRI數據　18
2.1.1　fMRI的基本原理　18
2.1.2　fMRI資料的採集過程　18
2.1.3　fMRI資料的特點　20
2.1.4　fMRI資料的預處理過程　20
2.2　面向fMRI資料的人腦功能劃分問題　21
2.2.1　基本概念　22
2.2.2　分類　22
2.2.3　基本流程　23
2.3　面向fMRI資料的人腦功能劃分方法　24
2.3.1　面向fMRI資料的靜態人腦功能劃分方法　25
2.3.2　面向fMRI資料的動態人腦功能劃分方法　33
2.4　常用功能一致性度量和評價指標　33
2.4.1　常用功能一致性度量　33
2.4.2　常用評價指標　35
2.5　面向fMRI資料的人腦功能劃分應用　37
2.6　存在的問題　39
2.7　本章小結　42

第3章　基於免疫克隆選擇演算法搜索GMM的腦島功能劃分方法
3.1　基礎內容　44
3.1.1　免疫克隆選擇演算法　44
3.1.2　高斯混合模型　45
3.1.3　腦島及其功能劃分　46
3.2 　NICS-GMM描述　47
3.2.1　基本思想　47
3.2.2　抗體、抗原表示與適應度函數　48
3.2.3　初始化抗體種群和克隆抗體　48
3.2.4　計算動態鄰域資訊　48
3.2.5　混合克隆變異　50
3.2.6　NICS-GMM的具體流程與分析　51
3.3　實驗結果與分析　52
3.3.1　fMRI資料及其預處理　52
3.3.2　評價指標　53
3.3.3　搜索能力的比較　54
3.3.4　劃分數的確定　55
3.3.5　劃分結果　56
3.3.6　劃分結果的連接模式　57
3.3.7　劃分結果的功能一致性　58
3.4　本章小結　59

第4章　基於人工蜂群演算法的人腦功能劃分方法
4.1　人工蜂群演算法概述　61
4.2　CSABC描述　63
4.2.1　基本思想　63
4.2.2　食物源表示　64
4.2.3　初始化　64
4.2.4　自我調整交叉搜索　65
4.2.5　分步式搜索　66
4.2.6　CSABC的具體流程與分析　68
4.3　實驗結果與分析　70
4.3.1　fMRI數據　70
4.3.2　評價指標　71
4.3.3　類比fMRI資料上的聚類一致性　72
4.3.4　搜索能力　73
4.3.5　劃分結果　74
4.3.6　劃分結果的功能一致性　79
4.3.7　功能連接指紋　81
4.4　討論　83
4.5　本章小結　84

第5章　基於改進型粒子群的人腦功能劃分方法
5.1　粒子群優化演算法概述　86
5.2　DPPSO描述　88
5.2.1　基本思想　88
5.2.2　動態非線性慣性權重　89
5.2.3　粒子位置表示　90
5.2.4　種群拓撲的粒子歷史最優解選擇策略　90
5.2.5　DPPSO的具體流程與分析　91
5.3　實驗結果與分析　93
5.3.1　評價指標　93
5.3.2　實驗結果比較　94
5.4　討論　104
5.5　本章小結　105

第6章　基於人工水母搜索優化的人腦功能劃分方法
6.1　人工水母搜索優化演算法　107
6.1.1　初始化階段　107
6.1.2　搜索階段　108
6.2　ISAJSO描述　109
6.2.1　基本思想　110
6.2.2　融入反覆運算停滯的時間控制機制　110
6.2.3　適應度引導的步長確定策略　111
6.2.4　ISAJSO偽代碼描述　112
6.3　實驗結果與分析　114
6.3.1　實驗資料　114
6.3.2　實驗結果比較　115
6.4　本章小結　120

第7章　基於滑動視窗和人工蜂群演算法的動態人腦功能劃分方法
7.1　基礎內容　122
7.1.1　動態人腦功能劃分　122
7.1.2　滑動窗口　122
7.2　SWABC描述　123
7.2.1　基本思想　123
7.2.2　功能連接相似性最小性準則　124
7.2.3　基於混合策略的雇傭蜂搜索　125
7.2.4　動態半徑約束的偵察蜂搜索　126
7.2.5　SWABC的具體流程與分析　129
7.3　實驗結果與分析　130
7.3.1　fMRI數據與預處理　130
7.3.2　評價指標　131
7.3.3　滑動窗口長度的確定　131
7.3.4　功能狀態數的確定　132
7.3.5　各評價指標上的比較　133
7.3.6　動態功能劃分結果的驗證　140
7.4　討論　142
7.5　本章小結　143
結論　144
參考文獻　147