"本書針對基于演化的機(jī)器學(xué)習(xí)的一些關(guān)鍵問題進(jìn)行深入探索。全書共20章，分為3篇。
上篇為第1～6章，探索了深度改進(jìn)的分布估計(jì)算法，提出了基于共軛先驗(yàn)分布的兩層分布估計(jì)算法、帶有鏈接學(xué)習(xí)的量子演化算法和問題規(guī)模自適應(yīng)的基于分解的多目標(biāo)分布估計(jì)算法。中篇為第7～13章，針對學(xué)習(xí)分類器與特征選擇方法，重點(diǎn)研究兩者的融合策略，將學(xué)習(xí)分類器的分類模型構(gòu)建過程與特征選擇的特征子集搜索過程統(tǒng)一集成在基于演化的機(jī)器學(xué)習(xí)框架下，同時(shí)改善了分類算法的預(yù)測性能與運(yùn)行效率。下篇為第14～20章，從提高規(guī)則空間的搜索質(zhì)量出發(fā)，立足于分類問題，介紹基于分布估計(jì)算法的學(xué)習(xí)分類器。
本書可作為演化計(jì)算、智能優(yōu)化、大數(shù)據(jù)及人工智能等專業(yè)方向研究生教材，也可供相關(guān)領(lǐng)域研究者參考。"
新書資訊