模式识别与智能计算-MATLAB技术实现-(第3版)

本书特色

[

本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书分为14章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（bp神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器设计，粗糙集分类器设计，聚类分析，模糊聚类分析，禁忌搜索算法聚类分析，遗传算法聚类分析,蚁群算法聚类分析,粒子群算法聚类分析。
本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。

]

作者简介

[

杨淑莹，天津理工大学计算机系教授，天津大学电子信息学院博士，发表相关的论文近20篇，其中四篇被EI检索。出版的多本著作被清华大学等多所大学选为研究生或本科生教材。出版方向：计算机视觉，模式识别，图像处理及应用，计算机控制和机器人视觉控制。

]

目录

第1章 模式识别概述1.1模式识别的基本概念1.2模式识别的基本方法1.3统计模式识别1.3.1统计模式识别研究的主要问题1.3.2统计模式识别方法简介1.4分类分析1.4.1分类器设计1.4.2判别函数1.4.3分类器的选择1.4.4训练与学习1.5聚类分析1.5.1聚类的设计1.5.2基于试探法的聚类设计1.5.3基于群体智能优化算法的聚类设计1.6模式识别的应用本章 小结习题1 第2章 特征的选择与优化2.1特征空间优化设计问题2.2样本特征库初步分析2.3样品筛选处理2.4特征筛选处理2.5特征评估2.6基于主成分分析的特征提取2.7特征空间描述与分析2.7.1特征空间描述2.7.2特征空间分布分析2.8手写数字特征提取与分析2.8.1手写数字特征提取2.8.2手写数字特征空间分布分析本章 小结习题2 第3章 模式相似性测度3.1模式相似性测度的基本概念3.2距离测度分类法3.2.1模板匹配法3.2.2基于pca的模板匹配法3.2.3基于类中心的欧式距离法分类3.2.4马氏距离分类3.2.5夹角余弦距离分类3.2.6二值化的夹角余弦距离法分类3.2.7二值化的tanimoto测度分类本章 小结习题3 第4章 基于概率统计的贝叶斯分类器设计4.1贝叶斯决策的基本概念4.1.1贝叶斯决策所讨论的问题4.1.2贝叶斯公式4.2基于*小错误率的贝叶斯决策4.3基于*小风险的贝叶斯决策4.4贝叶斯决策比较4.5基于二值数据的贝叶斯分类实现4.6基于*小错误率的贝叶斯分类实现4.7基于*小风险的贝叶斯分类实现本章 小结习题4 第5章 判别函数分类器设计5.1判别函数的基本概念5.2线性判别函数5.3线性判别函数的实现5.4感知器算法5.5增量校正算法5.6lmse验证可分性5.7lmse分类算法5.8fisher分类5.9基于核的fisher分类5.10势函数法5.11支持向量机本章 小结习题5 第6章 神经网络分类器设计6.1人工神经网络的基本原理6.1.1人工神经元6.1.2人工神经网络模型6.1.3神经网络的学习过程6.1.4人工神经网络在模式识别问题上的优势6.2bp神经网络6.2.1bp神经网络的基本概念6.2.2bp神经网络分类器设计6.3径向基函数神经网络(rbf)6.3.1径向基函数神经网络的基本概念6.3.2径向基函数神经网络分类器设计6.4自组织竞争神经网络6.4.1自组织竞争神经网络的基本概念6.4.2自组织竞争神经网络分类器设计6.5概率神经网络(pnn) 6.5.1概率神经网络的基本概念6.5.2概率神经网络分类器设计6.6对向传播神经网络(cpn)6.6.1对向传播神经网络的基本概念6.6.2对向传播神经网络分类器设计6.7反馈型神经网络(hopfield)6.7.1hopfield网络的基本概念6.7.2hopfield神经网络分类器设计本章 小结习题6 第7章 决策树分类器设计7.1决策树的基本概念7.2决策树分类器设计本章 小结习题7 第8章 粗糙集分类器设计8.1粗糙集理论的基本概念8.2粗糙集在模式识别中的应用8.3粗糙集分类器设计本章 小结习题8 第9章 聚类分析9.1聚类的设计9.2基于试探的未知类别聚类算法9.2.1*临近规则的试探法9.2.2*大*小距离算法9.3层次聚类算法9.3.1*短距离法9.3.2*长距离法9.3.3中间距离法9.3.4重心法9.3.5类平均距离法9.4动态聚类算法9.4.1k均值算法 9.4.2迭代自组织的数据分析算法（isodata）9.5模拟退火聚类算法9.5.1模拟退火的基本概念9.5.2基于模拟退火思想的改进k均值聚类算法本章 小结习题9 第10章 模糊聚类分析10.1模糊集的基本概念10.２模糊集运算10.２.1模糊子集运算10.２.2模糊集运算性质10.３模糊关系10.4模糊集在模式识别中的应用10.5基于模糊的聚类分析本章 小结习题10 第11章 禁忌搜索算法聚类分析11.1禁忌搜索算法的基本原理11.2禁忌搜索的关键参数和相关操作11.3基于禁忌搜索算法的聚类分析本章 小结习题11 第12章 遗传算法聚类分析12.1遗传算法的基本原理12.2遗传算法的构成要素12.2.1染色体的编码12.2.2适应度函数12.2.3遗传算子12.3控制参数的选择12.４基于遗传算法的聚类分析本章 小结习题12 第13章 蚁群算法聚类分析13.1蚁群算法的基本原理13.2聚类数目已知的蚁群聚类算法13.3聚类数目未知的蚁群聚类算法本章 小结习题13 第14章 粒子群算法聚类分析14.1粒子群算法的基本原理14.2基于粒子群算法的聚类分析本章 小结习题14参考文献

封面

书名:模式识别与智能计算-MATLAB技术实现-(第3版)

作者:杨淑莹

页数:365

定价:¥58.0

出版社:电子工业出版社

出版日期:2015-04-01

ISBN:9787121257902

PDF电子书大小:127MB 高清扫描完整版