掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
模式識別與智能計算――MATLAB技術實現(第5版) 版權信息
- ISBN：9787121490217
- 條形碼：9787121490217 ; 978-7-121-49021-7
- 裝幀：平塑
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
模式識別與智能計算――MATLAB技術實現(第5版) 內容簡介
本書廣泛吸取統計學、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、全面地介紹模式識別的理論、方法及應用。本書第5版在現有版本的基礎上做了優化，改動量為30%，篇幅由之前的13章壓縮到11章，內容包括：模式識別概述，特征的選擇與優化，模式相似性測度，基于概率統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，聚類分析，遺傳算法聚類分析,群體智能算法分析等。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。
模式識別與智能計算――MATLAB技術實現(第5版) 目錄
第１ 篇 基 礎 篇
第１ 章 模式識別概述 ………………………………………………………………………… ２
１?? １ 模式識別的基本概念……………………………………………………………………… ２
１?? ２ 統計模式識別 …………………………………………………………………………… ５
１?? ２?? １ 統計模式識別研究的主要問題 …………………………………………………… ５
１?? ２?? ２ 統計模式識別方法簡介…………………………………………………………… ６
１?? ３ 分類分析 ………………………………………………………………………………… ９
１?? ３?? １ 分類器設計 ……………………………………………………………………… ９
１?? ３?? ２ 分類器的選擇…………………………………………………………………… １１
１?? ３?? ３ 訓練與學習 …………………………………………………………………… １２
１?? ４ 聚類分析 ……………………………………………………………………………… １２
１?? ４?? １ 聚類的設計 …………………………………………………………………… １３
１?? ４?? ２ 基于試探法的聚類設計 ………………………………………………………… １４
１?? ４?? ３ 基于群體智能優化算法的聚類設計 ……………………………………………… １５
１?? ５ 模式識別的應用 ………………………………………………………………………… １６
本章小結……………………………………………………………………………………… １６
習題 １ ……………………………………………………………………………………… １７
第２ 章 特征的選擇與優化 …………………………………………………………………… １８
２?? １ 特征空間優化設計問題 ………………………………………………………………… １８
２?? ２ 樣本特征庫初步分析 …………………………………………………………………… 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 手寫數字特征提取與空間分布分析 ……………………………………………………… ３５
２?? ８?? １ 手寫數字特征提取 ……………………………………………………………… ３５
２?? ８?? ２ 手寫數字特征空間分布分析 …………………………………………………… ３６
本章小結……………………………………………………………………………………… ４１
習題 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章 模式相似性測度 ……………………………………………………………………… ４２
３?? １ 模式相似性測度的基本概念……………………………………………………………… ４２
３?? ２ 距離測度分類法 ………………………………………………………………………… 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……………………………………………………………………………………… ５１
習題 ３ ……………………………………………………………………………………… ５１
第２ 篇 分類器設計篇
第４ 章 基于概率統計的貝葉斯分類器設計 ………………………………………………… 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題 ……………………………………………………… ５３
４?? １?? ２ 貝葉斯公式 …………………………………………………………………… ５４
４?? ２ 基于*小錯誤率的貝葉斯決策…………………………………………………………… ５６
４?? ３ 基于*小風險的貝葉斯決策……………………………………………………………… ５９
４?? ４ 貝葉斯決策比較 ………………………………………………………………………… ６１
４?? ５ 基于*小錯誤率的貝葉斯分類實現 ……………………………………………………… ６２
４?? ６ 基于*小風險的貝葉斯分類實現 ………………………………………………………… ６６
本章小結……………………………………………………………………………………… ６９
習題 ４ ……………………………………………………………………………………… ６９
第５ 章 判別函數分類器設計 ………………………………………………………………… ７０
５?? １ 判別函數的基本概念 …………………………………………………………………… ７０
５?? ２ 線性判別函數的概念 …………………………………………………………………… ７１
５?? ３ 線性判別函數的實現 …………………………………………………………………… 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 勢函數法 ……………………………………………………………………………… １０３
５?? １０ 支持向量機…………………………………………………………………………… １０８
本章小結 …………………………………………………………………………………… １１４
習題 ５ ……………………………………………………………………………………… １１４
第６ 章 神經網絡分類器設計 ……………………………………………………………… １１５
６?? １ 人工神經網絡的基本原理 ……………………………………………………………… １１５
６?? １?? １ 人工神經元 …………………………………………………………………… １１５
６?? １?? ２ 人工神經網絡模型 …………………………………………………………… １１８
６?? １?? ３ 神經網絡的學習過程…………………………………………………………… １２１
Ⅵ
６?? １?? ４ 人工神經網絡在模式識別問題上的優勢………………………………………… １２１
６?? ２ ＢＰ 神經網絡 …………………………………………………………………………… １２２
６?? ２?? １ ＢＰ 神經網絡的基本概念 ……………………………………………………… １２２
６?? ２?? ２ ＢＰ 神經網絡分類器設計 ……………………………………………………… １２７
６?? ３ 徑向基函數 （ＲＢＦ） 神經網絡 ………………………………………………………… １３２
６?? ３?? １ 徑向基函數神經網絡的基本概念 ……………………………………………… １３２
６?? ３?? ２ 徑向基函數神經網絡分類器設計 ……………………………………………… １３６
６?? ４ 自組織競爭神經網絡…………………………………………………………………… １３９
６?? ４?? １ 自組織競爭神經網絡的基本概念 ……………………………………………… １３９
６?? ４?? ２ 自組織競爭神經網絡分類器設計 ……………………………………………… １４１
６?? ５ 概率神經網絡 （ＰＮＮ） ………………………………………………………………… １４４
６?? ５?? １ 概率神經網絡的基本概念 ……………………………………………………… １４４
６?? ５?? ２ 概率神經網絡分類器設計 ……………………………………………………… １４８
第１ 章 模式識別概述 ………………………………………………………………………… ２
１?? １ 模式識別的基本概念……………………………………………………………………… ２
１?? ２ 統計模式識別 …………………………………………………………………………… ５
１?? ２?? １ 統計模式識別研究的主要問題 …………………………………………………… ５
１?? ２?? ２ 統計模式識別方法簡介…………………………………………………………… ６
１?? ３ 分類分析 ………………………………………………………………………………… ９
１?? ３?? １ 分類器設計 ……………………………………………………………………… ９
１?? ３?? ２ 分類器的選擇…………………………………………………………………… １１
１?? ３?? ３ 訓練與學習 …………………………………………………………………… １２
１?? ４ 聚類分析 ……………………………………………………………………………… １２
１?? ４?? １ 聚類的設計 …………………………………………………………………… １３
１?? ４?? ２ 基于試探法的聚類設計 ………………………………………………………… １４
１?? ４?? ３ 基于群體智能優化算法的聚類設計 ……………………………………………… １５
１?? ５ 模式識別的應用 ………………………………………………………………………… １６
本章小結……………………………………………………………………………………… １６
習題 １ ……………………………………………………………………………………… １７
第２ 章 特征的選擇與優化 …………………………………………………………………… １８
２?? １ 特征空間優化設計問題 ………………………………………………………………… １８
２?? ２ 樣本特征庫初步分析 …………………………………………………………………… 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 手寫數字特征提取與空間分布分析 ……………………………………………………… ３５
２?? ８?? １ 手寫數字特征提取 ……………………………………………………………… ３５
２?? ８?? ２ 手寫數字特征空間分布分析 …………………………………………………… ３６
本章小結……………………………………………………………………………………… ４１
習題 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章 模式相似性測度 ……………………………………………………………………… ４２
３?? １ 模式相似性測度的基本概念……………………………………………………………… ４２
３?? ２ 距離測度分類法 ………………………………………………………………………… 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……………………………………………………………………………………… ５１
習題 ３ ……………………………………………………………………………………… ５１
第２ 篇 分類器設計篇
第４ 章 基于概率統計的貝葉斯分類器設計 ………………………………………………… 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題 ……………………………………………………… ５３
４?? １?? ２ 貝葉斯公式 …………………………………………………………………… ５４
４?? ２ 基于*小錯誤率的貝葉斯決策…………………………………………………………… ５６
４?? ３ 基于*小風險的貝葉斯決策……………………………………………………………… ５９
４?? ４ 貝葉斯決策比較 ………………………………………………………………………… ６１
４?? ５ 基于*小錯誤率的貝葉斯分類實現 ……………………………………………………… ６２
４?? ６ 基于*小風險的貝葉斯分類實現 ………………………………………………………… ６６
本章小結……………………………………………………………………………………… ６９
習題 ４ ……………………………………………………………………………………… ６９
第５ 章 判別函數分類器設計 ………………………………………………………………… ７０
５?? １ 判別函數的基本概念 …………………………………………………………………… ７０
５?? ２ 線性判別函數的概念 …………………………………………………………………… ７１
５?? ３ 線性判別函數的實現 …………………………………………………………………… 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 勢函數法 ……………………………………………………………………………… １０３
５?? １０ 支持向量機…………………………………………………………………………… １０８
本章小結 …………………………………………………………………………………… １１４
習題 ５ ……………………………………………………………………………………… １１４
第６ 章 神經網絡分類器設計 ……………………………………………………………… １１５
６?? １ 人工神經網絡的基本原理 ……………………………………………………………… １１５
６?? １?? １ 人工神經元 …………………………………………………………………… １１５
６?? １?? ２ 人工神經網絡模型 …………………………………………………………… １１８
６?? １?? ３ 神經網絡的學習過程…………………………………………………………… １２１
Ⅵ
６?? １?? ４ 人工神經網絡在模式識別問題上的優勢………………………………………… １２１
６?? ２ ＢＰ 神經網絡 …………………………………………………………………………… １２２
６?? ２?? １ ＢＰ 神經網絡的基本概念 ……………………………………………………… １２２
６?? ２?? ２ ＢＰ 神經網絡分類器設計 ……………………………………………………… １２７
６?? ３ 徑向基函數 （ＲＢＦ） 神經網絡 ………………………………………………………… １３２
６?? ３?? １ 徑向基函數神經網絡的基本概念 ……………………………………………… １３２
６?? ３?? ２ 徑向基函數神經網絡分類器設計 ……………………………………………… １３６
６?? ４ 自組織競爭神經網絡…………………………………………………………………… １３９
６?? ４?? １ 自組織競爭神經網絡的基本概念 ……………………………………………… １３９
６?? ４?? ２ 自組織競爭神經網絡分類器設計 ……………………………………………… １４１
６?? ５ 概率神經網絡 （ＰＮＮ） ………………………………………………………………… １４４
６?? ５?? １ 概率神經網絡的基本概念 ……………………………………………………… １４４
６?? ５?? ２ 概率神經網絡分類器設計 ……………………………………………………… １４８
展開全部
模式識別與智能計算――MATLAB技術實現(第5版) 作者簡介
楊淑瑩，天津理工大學計算機科學與工程學院教授，全國優秀教師，天津市教學名師。多年來，楊教授堅守教學一線，承擔“數字圖像處理”、“模式識別”等課程的教學任務。她刻苦鉆研算機視覺、模式識別等前沿技術，承擔多項省部級以上科研項目，獲得省部級科技進步獎2項。重構教學內容，將跨學科知識點與項目融合，經典與前沿技術融合，實踐體系與項目案例融合，主講課程被評為國家級線上線下混合式一流課程和國家級精品課。
書友推薦
- >
月亮虎
- >
名家帶你讀魯迅:故事新編
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
月亮與六便士
- >
朝聞道
- >
苦雨齋序跋文-周作人自編集
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
