本書(shū)是《模式識(shí)別及Matlab實(shí)現(xiàn)》主教材的配套實(shí)驗(yàn)與指導(dǎo),根據(jù)主教材各章內(nèi)容,相應(yīng)給出了實(shí)驗(yàn)的具體步驟和程序代碼,包括:貝葉斯決策,概率密度函數(shù)的參數(shù)估計(jì),非參數(shù)判別分類(lèi)方法,聚類(lèi)分析,特征提取與選擇,模糊模式識(shí)別,神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用,模式識(shí)別的工程應(yīng)用等。
本書(shū)是武漢理工大學(xué)楊杰和郭志強(qiáng)編寫(xiě)的教材《模式識(shí)別及MATLAB 實(shí)現(xiàn)》的學(xué)習(xí)和實(shí)驗(yàn)指導(dǎo)用書(shū),可與教材配套使用,也可單獨(dú)作為高等學(xué)校模式識(shí)別課程的教學(xué)與學(xué)習(xí)參考書(shū),還可作為模式識(shí)別領(lǐng)域?qū)I(yè)技術(shù)人員的參考資料。
模式識(shí)別是一門(mén)理論和工程應(yīng)用都發(fā)展十分迅速的學(xué)科,尤其隨著大數(shù)據(jù)的出現(xiàn)和互聯(lián)網(wǎng) 的興起,模式識(shí)別已伴隨著人工智能技術(shù)滲透到人們生活的方方面面。模式識(shí)別作為信息類(lèi)專(zhuān)業(yè)碩士研究生的學(xué)位課,主要介紹模式識(shí)別的基礎(chǔ)知識(shí)和基本理論,為進(jìn)一步研究模式識(shí)別理論和技術(shù)打下良好的基礎(chǔ)。同時(shí),模式識(shí)別也是一門(mén)實(shí)踐性很強(qiáng)的學(xué)科,通過(guò)一定量的實(shí)驗(yàn)訓(xùn)練,有助于學(xué)習(xí)者加深理解和鞏固所學(xué)的基本理論知識(shí),也有助于提高其解決實(shí)際工程問(wèn)題的能力。
全書(shū)分為7 章,每章都按本章知識(shí)結(jié)構(gòu)、知識(shí)要點(diǎn)和實(shí)驗(yàn)指導(dǎo)三部分編寫(xiě)。具體內(nèi)容包括貝葉斯決策、參數(shù)估計(jì)、非參數(shù)判別分類(lèi)法、聚類(lèi)分析法、特征選擇與提取、模糊模式識(shí)別、數(shù)字圖像處理的基礎(chǔ)等,每章實(shí)驗(yàn)均給出了實(shí)驗(yàn)步驟、MATLAB 代碼和實(shí)驗(yàn)結(jié)果。實(shí)驗(yàn)的內(nèi)容和訓(xùn)練對(duì)模式識(shí)別學(xué)習(xí)者有很大幫助,也為從事模式識(shí)別的工程技術(shù)人員提供了一定的指導(dǎo)。
本書(shū)第1~4 章由郭志強(qiáng)編寫(xiě),第5~7 章由楊杰編寫(xiě),編者指導(dǎo)的研究生王賀、吳紫薇、林仲康和李博聞等參加了程序調(diào)試、插圖和校對(duì)工作。在編寫(xiě)本書(shū)過(guò)程中,參閱了大量模式識(shí)別參考書(shū),這里謹(jǐn)向有關(guān)作者表示衷心感謝。
由于作者水平有限,書(shū)中難免存在疏漏和不當(dāng)之處,懇請(qǐng)讀者批評(píng)指正。
第 1 章貝葉斯決策
1
1.1 知識(shí)要點(diǎn) 1
1.2 實(shí)驗(yàn)指導(dǎo) 7
1.2.1 基于最小錯(cuò)誤率的貝葉斯決策 7
1.2.2 最小風(fēng)險(xiǎn)判決規(guī)則 12
1.2.3 最大似然比判決規(guī)則 16
1.2.4 Neyman-Pearsen 判決 21
第2 章參數(shù)估計(jì) 25
2.1 知識(shí)要點(diǎn) 25
2.2 實(shí)驗(yàn)指導(dǎo) 30
2.2.1 最大似然估計(jì) 30
2.2.2 貝葉斯估計(jì) 33
2.2.3 Parzen 窗 36
2.2.4 N k 近鄰估計(jì)法 38
第3 章非參數(shù)判別分類(lèi)法 41
3.1 知識(shí)要點(diǎn) 41
3.2 實(shí)驗(yàn)指導(dǎo) 44
3.2.1 兩分法 44
3.2.2 兩分法的設(shè)計(jì) 47
3.2.3 沒(méi)有不確定區(qū)域的兩分法 52
3.2.4 廣義線性判別函數(shù)的設(shè)計(jì)與實(shí)現(xiàn) 56
3.2.5 感知器算法的設(shè)計(jì)/實(shí)現(xiàn) 58
3.2.6 兩類(lèi)問(wèn)題Fisher 準(zhǔn)則 62
3.2.7 基于距離的分段線性判別函數(shù) 68
3.2.8 支持向量機(jī) 74
第4 章聚類(lèi)分析法 80
4.1 知識(shí)要點(diǎn) 81
4.2 實(shí)驗(yàn)指導(dǎo) 84
4.2.1 距離測(cè)度 84
4.2.2 相似測(cè)度算法 90
4.2.3 基于匹配測(cè)度算法的實(shí)現(xiàn) 98
4.2.4 基于類(lèi)間距離測(cè)度方法 103
4.2.5 聚類(lèi)函數(shù)準(zhǔn)則 106
4.2.6 基于最近鄰規(guī)則的聚類(lèi)算法 108
4.2.7 基于最大最小距離聚類(lèi)算法的實(shí)現(xiàn) 113
4.2.8 基于K-均值聚類(lèi)算法實(shí)驗(yàn) 116
第5 章特征提取與選擇 124
5.1 知識(shí)要點(diǎn) 124
5.2 實(shí)驗(yàn)指導(dǎo) 128
5.2.1 基于距離的可分性判據(jù) 128
5.2.2 圖像的傅里葉變換二(旋轉(zhuǎn)性質(zhì)) 130
5.2.3 基于熵函數(shù)的可分性判據(jù) 134
5.2.4 利用類(lèi)均值向量提取特征 136
5.2.5 基于類(lèi)平均向量中判別信息的最優(yōu)壓縮的實(shí)現(xiàn) 141
5.2.6 增添特征法
……