中圖網(wǎng)小程序
一鍵登錄
更方便
包郵 模式識(shí)別與智能計(jì)算――MATLAB技術(shù)實(shí)現(xiàn)(第5版)
作者：楊淑瑩 著
開(kāi)本：
其他
頁(yè)數(shù)：
308
本類榜單：工業(yè)技術(shù)銷量榜
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(jì)(下)
-
>
基于個(gè)性化設(shè)計(jì)策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國(guó)高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車概要.交流傳動(dòng)內(nèi)燃.電力機(jī)車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問(wèn)題與脈絡(luò)
中圖價(jià):¥47.2
加入購(gòu)物車
模式識(shí)別與智能計(jì)算――MATLAB技術(shù)實(shí)現(xiàn)(第5版) 版權(quán)信息
- ISBN：9787121490217
- 條形碼：9787121490217 ; 978-7-121-49021-7
- 裝幀：平塑
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
模式識(shí)別與智能計(jì)算――MATLAB技術(shù)實(shí)現(xiàn)(第5版) 內(nèi)容簡(jiǎn)介
本書廣泛吸取統(tǒng)計(jì)學(xué)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能、群智能計(jì)算等學(xué)科的先進(jìn)思想和理論，將其應(yīng)用到模式識(shí)別領(lǐng)域中；以一種新的體系，系統(tǒng)、全面地介紹模式識(shí)別的理論、方法及應(yīng)用。本書第5版在現(xiàn)有版本的基礎(chǔ)上做了優(yōu)化，改動(dòng)量為30%，篇幅由之前的13章壓縮到11章，內(nèi)容包括：模式識(shí)別概述，特征的選擇與優(yōu)化，模式相似性測(cè)度，基于概率統(tǒng)計(jì)的貝葉斯分類器設(shè)計(jì)，判別函數(shù)分類器設(shè)計(jì)，神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)（BP神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、對(duì)向傳播神經(jīng)網(wǎng)絡(luò)、反饋型神經(jīng)網(wǎng)絡(luò)），決策樹(shù)分類器設(shè)計(jì)，聚類分析，遺傳算法聚類分析,群體智能算法分析等。本書內(nèi)容新穎，實(shí)用性強(qiáng)，理論與實(shí)際應(yīng)用密切結(jié)合，以手寫數(shù)字識(shí)別為應(yīng)用實(shí)例，介紹理論運(yùn)用于實(shí)踐的實(shí)現(xiàn)步驟及相應(yīng)的Matlab代碼，為廣大研究工作者和工程技術(shù)人員對(duì)相關(guān)理論的應(yīng)用提供借鑒。
模式識(shí)別與智能計(jì)算――MATLAB技術(shù)實(shí)現(xiàn)(第5版) 目錄
第１ 篇 基 礎(chǔ) 篇
第１ 章 模式識(shí)別概述 ………………………………………………………………………… ２
１?? １ 模式識(shí)別的基本概念……………………………………………………………………… ２
１?? ２ 統(tǒng)計(jì)模式識(shí)別 …………………………………………………………………………… ５
１?? ２?? １ 統(tǒng)計(jì)模式識(shí)別研究的主要問(wèn)題 …………………………………………………… ５
１?? ２?? ２ 統(tǒng)計(jì)模式識(shí)別方法簡(jiǎn)介…………………………………………………………… ６
１?? ３ 分類分析 ………………………………………………………………………………… ９
１?? ３?? １ 分類器設(shè)計(jì) ……………………………………………………………………… ９
１?? ３?? ２ 分類器的選擇…………………………………………………………………… １１
１?? ３?? ３ 訓(xùn)練與學(xué)習(xí) …………………………………………………………………… １２
１?? ４ 聚類分析 ……………………………………………………………………………… １２
１?? ４?? １ 聚類的設(shè)計(jì) …………………………………………………………………… １３
１?? ４?? ２ 基于試探法的聚類設(shè)計(jì) ………………………………………………………… １４
１?? ４?? ３ 基于群體智能優(yōu)化算法的聚類設(shè)計(jì) ……………………………………………… １５
１?? ５ 模式識(shí)別的應(yīng)用 ………………………………………………………………………… １６
本章小結(jié)……………………………………………………………………………………… １６
習(xí)題 １ ……………………………………………………………………………………… １７
第２ 章 特征的選擇與優(yōu)化 …………………………………………………………………… １８
２?? １ 特征空間優(yōu)化設(shè)計(jì)問(wèn)題 ………………………………………………………………… １８
２?? ２ 樣本特征庫(kù)初步分析 …………………………………………………………………… １９
２?? ３ 樣本篩選處理 …………………………………………………………………………… ２０
２?? ４ 特征篩選處理 …………………………………………………………………………… ２０
２?? ５ 特征評(píng)估 ……………………………………………………………………………… ２２
２?? ６ 基于主成分分析的特征提取……………………………………………………………… ２４
２?? ７ 特征空間描述與分布分析 ……………………………………………………………… ２７
２?? ７?? １ 特征空間描述…………………………………………………………………… ２７
２?? ７?? ２ 特征空間分布分析 ……………………………………………………………… ３２
２?? ８ 手寫數(shù)字特征提取與空間分布分析 ……………………………………………………… ３５
２?? ８?? １ 手寫數(shù)字特征提取 ……………………………………………………………… ３５
２?? ８?? ２ 手寫數(shù)字特征空間分布分析 …………………………………………………… ３６
本章小結(jié)……………………………………………………………………………………… ４１
習(xí)題 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章 模式相似性測(cè)度 ……………………………………………………………………… ４２
３?? １ 模式相似性測(cè)度的基本概念……………………………………………………………… ４２
３?? ２ 距離測(cè)度分類法 ………………………………………………………………………… ４５
３?? ２?? １ 模板匹配法 …………………………………………………………………… ４５
３?? ２?? ２ 基于 ＰＣＡ 的模板匹配法 ………………………………………………………… ４７
３?? ２?? ３ 馬氏距離分類…………………………………………………………………… ４９
本章小結(jié)……………………………………………………………………………………… ５１
習(xí)題 ３ ……………………………………………………………………………………… ５１
第２ 篇 分類器設(shè)計(jì)篇
第４ 章 基于概率統(tǒng)計(jì)的貝葉斯分類器設(shè)計(jì) ………………………………………………… ５３
４?? １ 貝葉斯決策的基本概念 ………………………………………………………………… ５３
４?? １?? １ 貝葉斯決策所討論的問(wèn)題 ……………………………………………………… ５３
４?? １?? ２ 貝葉斯公式 …………………………………………………………………… ５４
４?? ２ 基于*小錯(cuò)誤率的貝葉斯決策…………………………………………………………… ５６
４?? ３ 基于*小風(fēng)險(xiǎn)的貝葉斯決策……………………………………………………………… ５９
４?? ４ 貝葉斯決策比較 ………………………………………………………………………… ６１
４?? ５ 基于*小錯(cuò)誤率的貝葉斯分類實(shí)現(xiàn) ……………………………………………………… ６２
４?? ６ 基于*小風(fēng)險(xiǎn)的貝葉斯分類實(shí)現(xiàn) ………………………………………………………… ６６
本章小結(jié)……………………………………………………………………………………… ６９
習(xí)題 ４ ……………………………………………………………………………………… ６９
第５ 章 判別函數(shù)分類器設(shè)計(jì) ………………………………………………………………… ７０
５?? １ 判別函數(shù)的基本概念 …………………………………………………………………… ７０
５?? ２ 線性判別函數(shù)的概念 …………………………………………………………………… ７１
５?? ３ 線性判別函數(shù)的實(shí)現(xiàn) …………………………………………………………………… ７５
５?? ４ 感知器算法……………………………………………………………………………… ７６
５?? ５ 增量校正算法 …………………………………………………………………………… ８３
５?? ６ ＬＭＳＥ 分類算法 ………………………………………………………………………… ８９
５?? ７ Ｆｉｓｈｅｒ 分類 ……………………………………………………………………………… ９２
５?? ８ 基于核的 Ｆｉｓｈｅｒ 分類 …………………………………………………………………… ９６
５?? ９ 勢(shì)函數(shù)法 ……………………………………………………………………………… １０３
５?? １０ 支持向量機(jī)…………………………………………………………………………… １０８
本章小結(jié) …………………………………………………………………………………… １１４
習(xí)題 ５ ……………………………………………………………………………………… １１４
第６ 章 神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………………………… １１５
６?? １ 人工神經(jīng)網(wǎng)絡(luò)的基本原理 ……………………………………………………………… １１５
６?? １?? １ 人工神經(jīng)元 …………………………………………………………………… １１５
６?? １?? ２ 人工神經(jīng)網(wǎng)絡(luò)模型 …………………………………………………………… １１８
６?? １?? ３ 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程…………………………………………………………… １２１
Ⅵ
６?? １?? ４ 人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別問(wèn)題上的優(yōu)勢(shì)………………………………………… １２１
６?? ２ ＢＰ 神經(jīng)網(wǎng)絡(luò) …………………………………………………………………………… １２２
６?? ２?? １ ＢＰ 神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………………… １２２
６?? ２?? ２ ＢＰ 神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………………… １２７
６?? ３ 徑向基函數(shù) （ＲＢＦ） 神經(jīng)網(wǎng)絡(luò) ………………………………………………………… １３２
６?? ３?? １ 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………… １３２
６?? ３?? ２ 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………… １３６
６?? ４ 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)…………………………………………………………………… １３９
６?? ４?? １ 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………… １３９
６?? ４?? ２ 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………… １４１
６?? ５ 概率神經(jīng)網(wǎng)絡(luò) （ＰＮＮ） ………………………………………………………………… １４４
６?? ５?? １ 概率神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………………… １４４
６?? ５?? ２ 概率神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………………… １４８
第１ 章 模式識(shí)別概述 ………………………………………………………………………… ２
１?? １ 模式識(shí)別的基本概念……………………………………………………………………… ２
１?? ２ 統(tǒng)計(jì)模式識(shí)別 …………………………………………………………………………… ５
１?? ２?? １ 統(tǒng)計(jì)模式識(shí)別研究的主要問(wèn)題 …………………………………………………… ５
１?? ２?? ２ 統(tǒng)計(jì)模式識(shí)別方法簡(jiǎn)介…………………………………………………………… ６
１?? ３ 分類分析 ………………………………………………………………………………… ９
１?? ３?? １ 分類器設(shè)計(jì) ……………………………………………………………………… ９
１?? ３?? ２ 分類器的選擇…………………………………………………………………… １１
１?? ３?? ３ 訓(xùn)練與學(xué)習(xí) …………………………………………………………………… １２
１?? ４ 聚類分析 ……………………………………………………………………………… １２
１?? ４?? １ 聚類的設(shè)計(jì) …………………………………………………………………… １３
１?? ４?? ２ 基于試探法的聚類設(shè)計(jì) ………………………………………………………… １４
１?? ４?? ３ 基于群體智能優(yōu)化算法的聚類設(shè)計(jì) ……………………………………………… １５
１?? ５ 模式識(shí)別的應(yīng)用 ………………………………………………………………………… １６
本章小結(jié)……………………………………………………………………………………… １６
習(xí)題 １ ……………………………………………………………………………………… １７
第２ 章 特征的選擇與優(yōu)化 …………………………………………………………………… １８
２?? １ 特征空間優(yōu)化設(shè)計(jì)問(wèn)題 ………………………………………………………………… １８
２?? ２ 樣本特征庫(kù)初步分析 …………………………………………………………………… １９
２?? ３ 樣本篩選處理 …………………………………………………………………………… ２０
２?? ４ 特征篩選處理 …………………………………………………………………………… ２０
２?? ５ 特征評(píng)估 ……………………………………………………………………………… ２２
２?? ６ 基于主成分分析的特征提取……………………………………………………………… ２４
２?? ７ 特征空間描述與分布分析 ……………………………………………………………… ２７
２?? ７?? １ 特征空間描述…………………………………………………………………… ２７
２?? ７?? ２ 特征空間分布分析 ……………………………………………………………… ３２
２?? ８ 手寫數(shù)字特征提取與空間分布分析 ……………………………………………………… ３５
２?? ８?? １ 手寫數(shù)字特征提取 ……………………………………………………………… ３５
２?? ８?? ２ 手寫數(shù)字特征空間分布分析 …………………………………………………… ３６
本章小結(jié)……………………………………………………………………………………… ４１
習(xí)題 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章 模式相似性測(cè)度 ……………………………………………………………………… ４２
３?? １ 模式相似性測(cè)度的基本概念……………………………………………………………… ４２
３?? ２ 距離測(cè)度分類法 ………………………………………………………………………… ４５
３?? ２?? １ 模板匹配法 …………………………………………………………………… ４５
３?? ２?? ２ 基于 ＰＣＡ 的模板匹配法 ………………………………………………………… ４７
３?? ２?? ３ 馬氏距離分類…………………………………………………………………… ４９
本章小結(jié)……………………………………………………………………………………… ５１
習(xí)題 ３ ……………………………………………………………………………………… ５１
第２ 篇 分類器設(shè)計(jì)篇
第４ 章 基于概率統(tǒng)計(jì)的貝葉斯分類器設(shè)計(jì) ………………………………………………… ５３
４?? １ 貝葉斯決策的基本概念 ………………………………………………………………… ５３
４?? １?? １ 貝葉斯決策所討論的問(wèn)題 ……………………………………………………… ５３
４?? １?? ２ 貝葉斯公式 …………………………………………………………………… ５４
４?? ２ 基于*小錯(cuò)誤率的貝葉斯決策…………………………………………………………… ５６
４?? ３ 基于*小風(fēng)險(xiǎn)的貝葉斯決策……………………………………………………………… ５９
４?? ４ 貝葉斯決策比較 ………………………………………………………………………… ６１
４?? ５ 基于*小錯(cuò)誤率的貝葉斯分類實(shí)現(xiàn) ……………………………………………………… ６２
４?? ６ 基于*小風(fēng)險(xiǎn)的貝葉斯分類實(shí)現(xiàn) ………………………………………………………… ６６
本章小結(jié)……………………………………………………………………………………… ６９
習(xí)題 ４ ……………………………………………………………………………………… ６９
第５ 章 判別函數(shù)分類器設(shè)計(jì) ………………………………………………………………… ７０
５?? １ 判別函數(shù)的基本概念 …………………………………………………………………… ７０
５?? ２ 線性判別函數(shù)的概念 …………………………………………………………………… ７１
５?? ３ 線性判別函數(shù)的實(shí)現(xiàn) …………………………………………………………………… ７５
５?? ４ 感知器算法……………………………………………………………………………… ７６
５?? ５ 增量校正算法 …………………………………………………………………………… ８３
５?? ６ ＬＭＳＥ 分類算法 ………………………………………………………………………… ８９
５?? ７ Ｆｉｓｈｅｒ 分類 ……………………………………………………………………………… ９２
５?? ８ 基于核的 Ｆｉｓｈｅｒ 分類 …………………………………………………………………… ９６
５?? ９ 勢(shì)函數(shù)法 ……………………………………………………………………………… １０３
５?? １０ 支持向量機(jī)…………………………………………………………………………… １０８
本章小結(jié) …………………………………………………………………………………… １１４
習(xí)題 ５ ……………………………………………………………………………………… １１４
第６ 章 神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………………………… １１５
６?? １ 人工神經(jīng)網(wǎng)絡(luò)的基本原理 ……………………………………………………………… １１５
６?? １?? １ 人工神經(jīng)元 …………………………………………………………………… １１５
６?? １?? ２ 人工神經(jīng)網(wǎng)絡(luò)模型 …………………………………………………………… １１８
６?? １?? ３ 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程…………………………………………………………… １２１
Ⅵ
６?? １?? ４ 人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別問(wèn)題上的優(yōu)勢(shì)………………………………………… １２１
６?? ２ ＢＰ 神經(jīng)網(wǎng)絡(luò) …………………………………………………………………………… １２２
６?? ２?? １ ＢＰ 神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………………… １２２
６?? ２?? ２ ＢＰ 神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………………… １２７
６?? ３ 徑向基函數(shù) （ＲＢＦ） 神經(jīng)網(wǎng)絡(luò) ………………………………………………………… １３２
６?? ３?? １ 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………… １３２
６?? ３?? ２ 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………… １３６
６?? ４ 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)…………………………………………………………………… １３９
６?? ４?? １ 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………… １３９
６?? ４?? ２ 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………… １４１
６?? ５ 概率神經(jīng)網(wǎng)絡(luò) （ＰＮＮ） ………………………………………………………………… １４４
６?? ５?? １ 概率神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………………… １４４
６?? ５?? ２ 概率神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………………… １４８
展開(kāi)全部
模式識(shí)別與智能計(jì)算――MATLAB技術(shù)實(shí)現(xiàn)(第5版) 作者簡(jiǎn)介
楊淑瑩，天津理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院教授，全國(guó)優(yōu)秀教師，天津市教學(xué)名師。多年來(lái)，楊教授堅(jiān)守教學(xué)一線，承擔(dān)“數(shù)字圖像處理”、“模式識(shí)別”等課程的教學(xué)任務(wù)。她刻苦鉆研算機(jī)視覺(jué)、模式識(shí)別等前沿技術(shù)，承擔(dān)多項(xiàng)省部級(jí)以上科研項(xiàng)目，獲得省部級(jí)科技進(jìn)步獎(jiǎng)2項(xiàng)。重構(gòu)教學(xué)內(nèi)容，將跨學(xué)科知識(shí)點(diǎn)與項(xiàng)目融合，經(jīng)典與前沿技術(shù)融合，實(shí)踐體系與項(xiàng)目案例融合，主講課程被評(píng)為國(guó)家級(jí)線上線下混合式一流課程和國(guó)家級(jí)精品課。
書友推薦
- >
隨園食單
- >
姑媽的寶刀
- >
名家?guī)阕x魯迅:朝花夕拾
- >
小考拉的故事-套裝共3冊(cè)
- >
名家?guī)阕x魯迅:故事新編
- >
經(jīng)典常談
- >
自卑與超越
- >
回憶愛(ài)瑪儂
本類暢銷
