![]() 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 11模式识别的基本概念 12模式识别的基本方法 13统计模式识别 131统计模式识别研究的主要问题 132统计模式识别方法简介 14分类分析 141分类器设计 142判别函数 143分类器的选择 144训练与学习 15聚类分析 151聚类的设计 152基于试探法的聚类设计 153基于群体智能优化算法的聚类设计 16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 21特征空间优化设计问题 22样本特征库初步分析 23样品筛选处理 24特征筛选处理 25特征评估 26基于主成分分析的特征提取 27特征空间描述与分析 271特征空间描述 272特征空间分布分析 28手写数字特征提取与分析 281手写数字特征提取 282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 31模式相似性测度的基本概念 32距离测度分类法 321模板匹配法 322基于PCA的模板匹配法 323基于类中心的欧式距离法分类 324马氏距离分类 325夹角余弦距离分类 326二值化的夹角余弦距离法分类 327二值化的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 41贝叶斯决策的基本概念 411贝叶斯决策所讨论的问题 412贝叶斯公式 42基于最小错误率的贝叶斯决策 43基于最小风险的贝叶斯决策 44贝叶斯决策比较 45基于二值数据的贝叶斯分类实现 46基于最小错误率的贝叶斯分类实现 47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 51判别函数的基本概念 52线性判别函数 53线性判别函数的实现 54感知器算法 55增量校正算法 56LMSE验证可分性 57LMSE分类算法 58Fisher分类 59基于核的Fisher分类 510势函数法 511支持向量机 本章小结 习题5 第6章神经网络分类器设计 61人工神经网络的基本原理 611人工神经元 612人工神经网络模型 613神经网络的学习过程 614人工神经网络在模式识别问题上的优势 62BP神经网络 621BP神经网络的基本概念 622BP神经网络分类器设计 63径向基函数神经网络(RBF) 631径向基函数神经网络的基本概念 632径向基函数神经网络分类器设计 64自组织竞争神经网络 641自组织竞争神经网络的基本概念 642自组织竞争神经网络分类器设计 65概率神经网络(PNN) 651概率神经网络的基本概念 652概率神经网络分类器设计 66对向传播神经网络(CPN) 661对向传播神经网络的基本概念 662对向传播神经网络分类器设计 67反馈型神经网络(Hopfield) 671Hopfield网络的基本概念 672Hopfield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 71决策树的基本概念 72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 81粗糙集理论的基本概念 82粗糙集在模式识别中的应用 83粗糙集分类器设计 本章小结 习题8 第9章聚类分析 91聚类的设计 92基于试探的未知类别聚类算法 921最临近规则的试探法 922最大最小距离算法 93层次聚类算法 931最短距离法 932最长距离法 933中间距离法 934重心法 935类平均距离法 94动态聚类算法 941K均值算法 942迭代自组织的数据分析算法(ISODATA) 95模拟退火聚类算法 951模拟退火的基本概念 952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 101模糊集的基本概念 102模糊集运算 1021模糊子集运算 1022模糊集运算性质 103模糊关系 104模糊集在模式识别中的应用 105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 111禁忌搜索算法的基本原理 112禁忌搜索的关键参数和相关操作 113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 121遗传算法的基本原理 122遗传算法的构成要素 1221染色体的编码 1222适应度函数 1223遗传算子 123控制参数的选择 124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 131蚁群算法的基本原理 132聚类数目已知的蚁群聚类算法 133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 141粒子群算法的基本原理 142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) |