歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
模式識(shí)別與智能計(jì)算-MATLAB技術(shù)實(shí)現(xiàn)-(第3版)

模式識(shí)別與智能計(jì)算-MATLAB技術(shù)實(shí)現(xiàn)-(第3版)

作者：楊淑瑩
出版社：電子工業(yè)出版社出版時(shí)間：2015-04-01
開本： 16開 頁數(shù)： 365
讀者評(píng)分：5分1條評(píng)論
中 圖 價(jià):¥28.4(4.9折) 定價(jià)  ¥58.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個(gè)別圖書品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說明>>
本類五星書更多>

模式識(shí)別與智能計(jì)算-MATLAB技術(shù)實(shí)現(xiàn)-(第3版) 版權(quán)信息

模式識(shí)別與智能計(jì)算-MATLAB技術(shù)實(shí)現(xiàn)-(第3版) 本書特色

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。全書分為14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)），決策樹分類器設(shè)計(jì)，粗糙集分類器設(shè)計(jì)，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(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3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。全書分為14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)），決策樹分類器設(shè)計(jì)，粗糙集分類器設(shè)計(jì)，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(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3版) 目錄

第1章 模式識(shí)別概述
1.1模式識(shí)別的基本概念
1.2模式識(shí)別的基本方法
1.3統(tǒng)計(jì)模式識(shí)別
1.3.1統(tǒng)計(jì)模式識(shí)別研究的主要問題
1.3.2統(tǒng)計(jì)模式識(shí)別方法簡(jiǎn)介
1.4分類分析
1.4.1分類器設(shè)計(jì)
1.4.2判別函數(shù)
1.4.3分類器的選擇
1.4.4訓(xùn)練與學(xué)習(xí)
1.5聚類分析
1.5.1聚類的設(shè)計(jì)
1.5.2基于試探法的聚類設(shè)計(jì)
1.5.3基于群體智能優(yōu)化算法的聚類設(shè)計(jì)
1.6模式識(shí)別的應(yīng)用
本章 小結(jié)
習(xí)題1


第2章 特征的選擇與優(yōu)化
2.1特征空間優(yōu)化設(shè)計(jì)問題
2.2樣本特征庫初步分析
2.3樣品篩選處理
2.4特征篩選處理
2.5特征評(píng)估
2.6基于主成分分析的特征提取
2.7特征空間描述與分析
2.7.1特征空間描述
2.7.2特征空間分布分析
2.8手寫數(shù)字特征提取與分析
2.8.1手寫數(shù)字特征提取
2.8.2手寫數(shù)字特征空間分布分析
本章 小結(jié)
習(xí)題2


第3章 模式相似性測(cè)度
3.1模式相似性測(cè)度的基本概念
3.2距離測(cè)度分類法
3.2.1模板匹配法
3.2.2基于pca的模板匹配法
3.2.3基于類中心的歐式距離法分類
3.2.4馬氏距離分類
3.2.5夾角余弦距離分類
3.2.6二值化的夾角余弦距離法分類
3.2.7二值化的tanimoto測(cè)度分類
本章 小結(jié)
習(xí)題3


第4章 基于概率統(tǒng)計(jì)的貝葉斯分類器設(shè)計(jì)
4.1貝葉斯決策的基本概念
4.1.1貝葉斯決策所討論的問題
4.1.2貝葉斯公式
4.2基于*小錯(cuò)誤率的貝葉斯決策
4.3基于*小風(fēng)險(xiǎn)的貝葉斯決策
4.4貝葉斯決策比較
4.5基于二值數(shù)據(jù)的貝葉斯分類實(shí)現(xiàn)
4.6基于*小錯(cuò)誤率的貝葉斯分類實(shí)現(xiàn)
4.7基于*小風(fēng)險(xiǎn)的貝葉斯分類實(shí)現(xiàn)
本章 小結(jié)
習(xí)題4


第5章 判別函數(shù)分類器設(shè)計(jì)
5.1判別函數(shù)的基本概念
5.2線性判別函數(shù)
5.3線性判別函數(shù)的實(shí)現(xiàn)
5.4感知器算法
5.5增量校正算法
5.6lmse驗(yàn)證可分性
5.7lmse分類算法
5.8fisher分類
5.9基于核的fisher分類
5.10勢(shì)函數(shù)法
5.11支持向量機(jī)
本章 小結(jié)
習(xí)題5


第6章 神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)
6.1人工神經(jīng)網(wǎng)絡(luò)的基本原理
6.1.1人工神經(jīng)元
6.1.2人工神經(jīng)網(wǎng)絡(luò)模型
6.1.3神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程
6.1.4人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別問題上的優(yōu)勢(shì)
6.2bp神經(jīng)網(wǎng)絡(luò)
6.2.1bp神經(jīng)網(wǎng)絡(luò)的基本概念
6.2.2bp神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)
6.3徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(rbf)
6.3.1徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的基本概念
6.3.2徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)
6.4自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)
6.4.1自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的基本概念
6.4.2自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)
6.5概率神經(jīng)網(wǎng)絡(luò)(pnn)
6.5.1概率神經(jīng)網(wǎng)絡(luò)的基本概念
6.5.2概率神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)
6.6對(duì)向傳播神經(jīng)網(wǎng)絡(luò)(cpn)
6.6.1對(duì)向傳播神經(jīng)網(wǎng)絡(luò)的基本概念
6.6.2對(duì)向傳播神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)
6.7反饋型神經(jīng)網(wǎng)絡(luò)(hopfield)
6.7.1hopfield網(wǎng)絡(luò)的基本概念
6.7.2hopfield神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)
本章 小結(jié)
習(xí)題6


第7章 決策樹分類器設(shè)計(jì)
7.1決策樹的基本概念
7.2決策樹分類器設(shè)計(jì)
本章 小結(jié)
習(xí)題7


第8章 粗糙集分類器設(shè)計(jì)
8.1粗糙集理論的基本概念
8.2粗糙集在模式識(shí)別中的應(yīng)用
8.3粗糙集分類器設(shè)計(jì)
本章 小結(jié)
習(xí)題8


第9章 聚類分析
9.1聚類的設(shè)計(jì)
9.2基于試探的未知類別聚類算法
9.2.1*臨近規(guī)則的試探法
9.2.2*大*小距離算法
9.3層次聚類算法
9.3.1*短距離法
9.3.2*長(zhǎng)距離法
9.3.3中間距離法
9.3.4重心法
9.3.5類平均距離法
9.4動(dòng)態(tài)聚類算法
9.4.1k均值算法
9.4.2迭代自組織的數(shù)據(jù)分析算法（isodata）
9.5模擬退火聚類算法
9.5.1模擬退火的基本概念
9.5.2基于模擬退火思想的改進(jìn)k均值聚類算法
本章 小結(jié)
習(xí)題9


第10章 模糊聚類分析
10.1模糊集的基本概念
10.２模糊集運(yùn)算
10.２.1模糊子集運(yùn)算
10.２.2模糊集運(yùn)算性質(zhì)
10.３模糊關(guān)系
10.4模糊集在模式識(shí)別中的應(yīng)用
10.5基于模糊的聚類分析
本章 小結(jié)
習(xí)題10


第11章 禁忌搜索算法聚類分析
11.1禁忌搜索算法的基本原理
11.2禁忌搜索的關(guān)鍵參數(shù)和相關(guān)操作
11.3基于禁忌搜索算法的聚類分析
本章 小結(jié)
習(xí)題11


第12章 遺傳算法聚類分析
12.1遺傳算法的基本原理
12.2遺傳算法的構(gòu)成要素
12.2.1染色體的編碼
12.2.2適應(yīng)度函數(shù)
12.2.3遺傳算子
12.3控制參數(shù)的選擇
12.４基于遺傳算法的聚類分析
本章 小結(jié)
習(xí)題12


第13章 蟻群算法聚類分析
13.1蟻群算法的基本原理
13.2聚類數(shù)目已知的蟻群聚類算法
13.3聚類數(shù)目未知的蟻群聚類算法
本章 小結(jié)
習(xí)題13


第14章 粒子群算法聚類分析
14.1粒子群算法的基本原理
14.2基于粒子群算法的聚類分析
本章 小結(jié)
習(xí)題14
參考文獻(xiàn)

展開全部

模式識(shí)別與智能計(jì)算-MATLAB技術(shù)實(shí)現(xiàn)-(第3版) 作者簡(jiǎn)介

楊淑瑩，天津理工大學(xué)計(jì)算機(jī)系教授，天津大學(xué)電子信息學(xué)院博士，發(fā)表相關(guān)的論文近20篇，其中四篇被EI檢索。出版的多本著作被清華大學(xué)等多所大學(xué)選為研究生或本科生教材。出版方向：計(jì)算機(jī)視覺，模式識(shí)別，圖像處理及應(yīng)用，計(jì)算機(jī)控制和機(jī)器人視覺控制。

商品評(píng)論(1條)
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服