pdf电子书免费下载_爱书吧

当前位置: 主页 > 计算机 >

模式识别与智能计算MATLAB技术实现(第三版) pdf下载

时间:2022-04-19来源:未知 作者:admin 点击:
内容简介 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
 
 
 
内容简介
 
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。
 
 
 
 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基于最小错误率的贝叶斯决策
43基于最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基于最小错误率的贝叶斯分类实现
47基于最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最临近规则的试探法
922最大最小距离算法
93层次聚类算法
931最短距离法
932最长距离法
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
 
 
 
 
点击下载:模式识别与智能计算MATLAB技术实现(第三版)
(访问密码:7509)
------分隔线----------------------------
栏目列表
推荐内容