模式識別與智能計算—MATLAB技術實現（第4版）
定 價：78 元
叢書名："十二五"普通高等教育本科國家級規(guī)劃教材
當前圖書已被 25 所學校薦購過！
查看明細
- 作者：楊淑瑩
- 出版時間：2019/11/1
- ISBN：9787121358661
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：O235-39；TP183
- 頁碼：308
- 紙張：
- 版次：01
- 開本：16開
本書廣泛吸取統(tǒng)計學、神經網絡、數據挖掘、機器學習、人工智能、群智能計算等學科的先進思想和理論，將其應用到模式識別領域中；以一種新的體系，系統(tǒng)、全面地介紹模式識別的理論、方法及應用。全書分為14章，內容包括：模式識別概述，特征的選擇與優(yōu)化，模式相似性測度，基于概率統(tǒng)計的貝葉斯分類器設計，判別函數分類器設計，神經網絡分類器設計（BP神經網絡、徑向基函數神經網絡、自組織競爭神經網絡、概率神經網絡、對向傳播神經網絡、反饋型神經網絡），決策樹分類器設計，粗糙集分類器設計，聚類分析，模糊聚類分析，禁忌搜索算法聚類分析，遺傳算法聚類分析,蟻群算法聚類分析,粒子群算法聚類分析。 本書內容新穎，實用性強，理論與實際應用密切結合，以手寫數字識別為應用實例，介紹理論運用于實踐的實現步驟及相應的Matlab代碼，為廣大研究工作者和工程技術人員對相關理論的應用提供借鑒。
楊淑瑩 博士學位，天津理工大學計算機科學與工程學院教授，碩士研究生導師，天津市“教學名師”，中國圖像圖形學學會第五屆理事會學術委員會委員。多年來在圖像、語音、時間序列等方面進行模式識別相關工作的深入研究，涉及模式識別，數字圖像處理、信號與信息處理、智能計算等領域。承擔并完成國家級、市級自然科學基金項目多項，獲得天津市科學技術進步獎2項，發(fā)表論文50多篇；撰寫專著6部�，F任國家級精品課、國家級精品資源共享課負責人；主編教材獲得國家級“十一五”規(guī)劃教材和國家級“十二五”規(guī)劃教材；獲得市級教學成果獎3項。
目錄
第1章模式識別概述
11模式識別的基本概念
12統(tǒng)計模式識別
121統(tǒng)計模式識別研究的主要問題
122統(tǒng)計模式識別方法簡介
13分類分析
131分類器設計
132分類器的選擇
133訓練與學習
14聚類分析
141聚類的設計
142基于試探法的聚類設計
143基于群體智能優(yōu)化算法的聚類設計
15模式識別的應用
本章小結
習題1
第2章特征的選擇與優(yōu)化
21特征空間優(yōu)化設計問題
22樣本特征庫初步分析
23樣品篩選處理
24特征篩選處理
25特征評估
26基于主成分分析的特征提取
27特征空間描述與分析
271特征空間描述
272特征空間分布分析
28手寫數字特征提取與分析
281手寫數字特征提取
282手寫數字特征空間分布分析
本章小結
習題2
第3章模式相似性測度
31模式相似性測度的基本概念
32距離測度分類法
321模板匹配法
322基于PCA的模板匹配法
323馬氏距離分類
本章小結
習題3
第4章基于概率統(tǒng)計的貝葉斯分類器設計
41貝葉斯決策的基本概念
411貝葉斯決策所討論的問題
412貝葉斯公式
42基于最小錯誤率的貝葉斯決策
43基于最小風險的貝葉斯決策
44貝葉斯決策比較
45基于最小錯誤率的貝葉斯分類實現
46基于最小風險的貝葉斯分類實現
本章小結
習題4
第5章判別函數分類器設計
51判別函數的基本概念
52線性判別函數
53線性判別函數的實現
54感知器算法
55Fisher分類
56基于核的Fisher分類
57支持向量機
本章小結
習題5
第6章神經網絡分類器設計
61人工神經網絡的基本原理
611人工神經元
612人工神經網絡模型
613神經網絡的學習過程
614人工神經網絡在模式識別問題上的優(yōu)勢
62BP神經網絡
621BP神經網絡的基本概念
622BP神經網絡分類器設計
63徑向基函數神經網絡(RBF)
631徑向基函數神經網絡的基本概念
632徑向基函數神經網絡分類器設計
64自組織競爭神經網絡
641自組織競爭神經網絡的基本概念
642自組織競爭神經網絡分類器設計
65概率神經網絡(PNN)
651概率神經網絡的基本概念
652概率神經網絡分類器設計
66對向傳播神經網絡(CPN)
661對向傳播神經網絡的基本概念
662對向傳播神經網絡分類器設計
67反饋型神經網絡(Hopfield)
671Hopfield網絡的基本概念
672Hopfield神經網絡分類器設計
本章小結
習題6
第7章決策樹分類器設計
71決策樹的基本概念
72決策樹分類器設計
本章小結
習題7
第8章粗糙集分類器設計
81粗糙集理論的基本概念
82粗糙集在模式識別中的應用
83粗糙集分類器設計
本章小結
習題8
第9章聚類分析
91聚類的設計
92基于試探的未知類別聚類算法
921最臨近規(guī)則的試探法
922最大最小距離算法
93層次聚類算法
931最短距離法
932重心法
94動態(tài)聚類算法
941K均值算法
942迭代自組織的數據分析算法（ISODATA）
95模擬退火聚類算法
951模擬退火的基本概念
952基于模擬退火思想的改進K均值聚類算法
本章小結
習題9
第10章模糊聚類分析
101模糊集的基本概念
10２模糊集運算
10２1模糊子集運算
10２2模糊集運算性質
10３模糊關系
104模糊集在模式識別中的應用
105基于模糊的聚類分析
本章小結
習題10
第11章遺傳算法聚類分析
111遺傳算法的基本原理
11２遺傳算法的構成要素
1121染色體的編碼
1122適應度函數
1123遺傳算子
113控制參數的選擇
11４基于遺傳算法的聚類分析
本章小結
習題11
第12章粒子群算法聚類分析
121粒子群算法的基本原理
122基于粒子群算法的聚類分析
本章小結
習題12
第13章Memetic算法仿生計算
131Memetic算法
132Memetic算法仿生計算在聚類分析中的應用
本章小結
習題13
參考文獻
書單推薦
