模式识别及MATLAB实现
全新正版 极速发货
￥ 20.23 5.3折 ￥ 38 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者杨杰 著
出版社电子工业出版社
ISBN9787121321276
出版时间2017-07
装帧平装
开本其他
定价38元
货号1201550442
上书时间2024-11-15
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
杨杰，武汉理工大学博导，教授，湖北省通信学会常务理事。主要学术经历： 教学：主要承担数字图像处理，模式识别，信息传输理论等课程的教学工作。科研：近几年先后承担了国家自然科学基金面上项目，湖北省科技攻关项目，海南科技厅项目，武汉市科技攻关项目，国家留学基金项目，交通部重点项目和企业合作项目30余项；在靠前外学术刊物上发表学术论文60余篇，被SCI和EI收录论文40余篇，出版教材3部。 获武汉理工大学很好硕士学位论文奖，很好博士论文奖。 主要在研项目： 多维信息融合及智能识别与预警研究，嵌入式系统的智能视频识别开发研究，无源雷达关键技术研究及自动数字视频跟踪软件系统开发等。
目录
目 录
章 绪论1
1.1 模式识别的基本概念1
1.1.1 生物的识别能力1
1.1.2 模式识别的概念2
1.1.3 模式识别的特点2
1.1.4 模式的描述方法及特征空间4
1.2 模式识别系统的组成和主要方法5
1.2.1 模式识别系统的组成5
1.2.2 模式识别的方法7
1.3 模式识别的应用9
1.3.1 文字识别9
1.3.2 语音识别10
1.3.3 指纹识别10
1.3.4 遥感图像识别11
1.3.5 医学诊断11
1.4 全书内容简介12
习题及思考题13
第2章 贝叶斯决策理论14
2.1 几个重要的概念14
2.2 几种常用的决策规则15
2.2.1 基于最小错误率的贝叶斯决策16
2.2.2 最小风险判别规则18
2.2.3 最大似然比判别规则20
2.2.4 Neyman-Pearson判别规则22
2.3 正态分布中的Bayes分类方法26
2.4 MATLAB程序实现33
习题及思考题37
第3章 概率密度函数的参数估计39
3.1 概率密度函数估计概述39
3.2 最大似然估计40
3.3 贝叶斯估计与贝叶斯学习42
3.4 非参数估计47
3.4.1 非参数估计的基本方法48
3.4.2 Parzen窗法50
3.4.3 -近邻估计法54
3.5 MATLAB示例55
习题及思考题60
第4章 非参数判别分类方法62
4.1 线性分类器62
4.1.1 线性判别函数的基本概念62
4.1.2 多类问题中的线性判别函数64
4.1.3 广义线性判别函数68
4.1.4 线性分类器的主要特性及设计步骤70
4.1.5 感知器算法74
4.1.6 Fisher线性判别函数79
4.2 非线性判别函数84
4.2.1 非线性判别函数与分段线性判别函数84
4.2.2 基于距离的分段线性判别函数85
4.3 支持向量机87
4.3.1 线性可分情况87
4.3.2 线性不可分情况89
4.4 MATLAB示例91
习题及思考题94
第5章 聚类分析95
5.1 模式相似性测度95
5.1.1 距离测度96
5.1.2 相似测度99
5.1.3 匹配测度100
5.2 类间距离测度方法102
5.2.1 最短距离法102
5.2.2 最长距离法102
5.2.3 中间距离法102
5.2.4 重心法103
5.2.5 平均距离法（类平均距离法）103
5.3 聚类准则函数105
5.3.1 误差平方和准则105
5.3.2 加权平均平方距离和准则106
5.3.3 类间距离和准则107
5.3.4 离散度矩阵107
5.4 基于距离阈值的聚类算法108
5.4.1 最近邻规则的聚类算法109
5.4.2 最大最小距离聚类算法109
5.5 动态聚类算法111
5.5.1 C-均值聚类算法111
5.5.2 ISODATA聚类算法115
5.6 MATLAB示例121
习题及思考题126
第6章 特征提取与选择128
6.1 类别可分性判据128
6.2 基于距离的可分性判据129
6.3 按概率距离判据的特征提取方法131
6.4 基于熵函数的可分性判据134
6.5 基于Karhunen-Loeve变换的特征提取135
6.5.1 Karhunen-Loeve变换135
6.5.2 使用K-L变换进行特征提取138
6.6 特征选择141
6.6.1 次优搜索法142
6.6.2 最优搜索法143
6.7 MATLAB举例145
习题及思考题147
第7章 模糊模式识别148
7.1 模糊数学的基础知识148
7.1.1 集合及其特征函数148
7.1.2 模糊集合149
7.1.3 模糊集合的 水平截集154
7.1.4 模糊关系及模糊矩阵155
7.2 模糊模式识别方法156
7.2.1 最大隶属度识别法157
7.2.2 择近原则识别法157
7.2.3 基于模糊等价关系的聚类方法159
7.2.4 模糊C-均值聚类161
7.3 MATLAB程序设计163
习题及思考题165
第8章 神经网络在模式识别中的应用167
8.1 人工神经网络的基础知识167
8.1.1 人工神经网络的发展历史167
8.1.2 生物神经元168
8.1.3 人工神经元168
8.1.4 人工神经网络的特点169
8.2 前馈神经网络169
8.2.1 感知器170
8.2.2 多层感知器171
8.3 自组织特征映射网络173
8.3.1 网络结构173
8.3.2 网络的识别过程174
8.3.3 网络的学习过程174
8.4 径向基函数（RBF）神经网络175
8.4.1 网络结构175
8.4.2 径向基函数176
8.4.3 网络的学习过程176
8.5 深度学习177
8.5.1 深度学习介绍178
8.5.2 受限玻尔兹曼机178
8.5.3 深度置信网络180
8.5.4 卷积神经网络181
8.6 MATLAB举例183
习题及思考题188
第9章 模式识别的工程应用190
9.1 基于BP神经网络的手写数字识别190
9.1.1 整体方案设计190
9.1.2 字符图像的特征提取191
9.1.3 BP神经网络的设计195
9.1.4 BP神经网络的训练197
9.1.5 BP神经网络的识别197
9.2 基于朴素贝叶斯的中文文本分类198
9.2.1 文本分类原理199
9.2.2 文本特征提取199
9.2.3 朴素贝叶斯分类器设计201
9.2.4 测试文本分类202
9.3 基于PCA（主要成分分析）和SVM（支持向量机）的人脸识别205
9.3.1 人脸图像获取205
9.3.2 人脸图像预处理206
9.3.3 人脸图像特征提取207
9.3.4 SVM分类器的设计和分类209
9.4 基于隐马尔科夫模型的语音识别210
9.4.1 语音识别的原理210
9.4.2 语音采集211
9.4.3 语音信号的预处理212
9.4.4 MFCC特征参数提取216
9.4.5 HMM模型训练217
9.4.6 识别处理218
参考文献219
内容摘要
本书主要介绍模式识别的基础知识、基本方法、程序实现和典型实践应用。全书共9章。靠前章介绍模式识别的基本概念、基础知识；第2章介绍贝叶斯决策理论；第3章介绍概率密度函数的参数估计；第4章介绍非参数判别分类方法；第5章介绍聚类分析；第6章介绍特征提取与选择；第7章介绍模糊模式识别；第8章介绍神经网络在模式识别中的应用；第9章介绍模式识别的工程应用。每章的内容安排从问题背景引入，讲述基本内容和方法，到实践应用（通过MATLAB软件编程）。本书内容系统，重点突出，做到理论、应用与实际编程紧密结合，理论与实例并重。本书还配套有《模式识别及MATLAB实现――学习与实验指导》作为教材的补充，便于读者学习和上机实验；另配有电子课件，便于教师教学和学生自学。本书可作为高等院校电子信息工程、通信工程、计算机科学与技术、电子科学与技术、生物医学工程、电气工程及其自动化等相关专业本科生的教材，以及信息与通信工程、控制科学与工程、计算机科学与技术、生物医学工程、光学工程和电子科学与技术等专业的研究生教材；也可作为从事小模式识别、人工智能和计算机应用研究与开发的工程技术人员的参考书。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价