模式识别及MATLAB实现——学习与实验指导

图书标准信息

• 作者 郭志强 主编
• 出版社 电子工业出版社
• 出版时间 2017-08
• 版次 1
• ISBN 9787121323737
• 定价 38.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 208页
• 字数 99999千字

【内容简介】

本书是《模式识别及Matlab实现》主教材的配套实验与指导，根据主教材各章内容，相应给出了实验的具体步骤和程序代码，包括：贝叶斯决策，概率密度函数的参数估计，非参数判别分类方法，聚类分析，特征提取与选择，模糊模式识别，神经网络在模式识别中的应用，模式识别的工程应用等。

【作者简介】

　　作者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。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；在国内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。

获武汉理工大学优秀硕士学位论文奖，优秀博士论文奖。

【目录】

第 1 章贝叶斯决策

　 1

1.1 知识要点  1

1.2 实验指导  7

1.2.1 基于最小错误率的贝叶斯决策  7

1.2.2 最小风险判决规则  12

1.2.3 最大似然比判决规则  16

1.2.4 Neyman-Pearsen 判决  21

第2 章参数估计  25

2.1 知识要点  25

2.2 实验指导  30

2.2.1 最大似然估计  30

2.2.2 贝叶斯估计  33

2.2.3 Parzen 窗  36

2.2.4 N k 近邻估计法  38

第3 章非参数判别分类法  41

3.1 知识要点  41

3.2 实验指导  44

3.2.1 两分法  44

3.2.2 两分法的设计  47

3.2.3 没有不确定区域的两分法  52

3.2.4 广义线性判别函数的设计与实现  56

3.2.5 感知器算法的设计/实现  58

3.2.6 两类问题Fisher 准则  62

3.2.7 基于距离的分段线性判别函数  68

3.2.8 支持向量机  74

第4 章聚类分析法  80

4.1 知识要点  81

4.2 实验指导  84

4.2.1 距离测度  84

4.2.2 相似测度算法  90

4.2.3 基于匹配测度算法的实现  98

4.2.4 基于类间距离测度方法  103

4.2.5 聚类函数准则  106

4.2.6 基于最近邻规则的聚类算法  108

4.2.7 基于最大最小距离聚类算法的实现  113

4.2.8 基于K-均值聚类算法实验  116

第5 章特征提取与选择  124

5.1 知识要点  124

5.2 实验指导  128

5.2.1 基于距离的可分性判据  128

5.2.2 图像的傅里叶变换二（旋转性质）  130

5.2.3 基于熵函数的可分性判据  134

5.2.4 利用类均值向量提取特征  136

5.2.5 基于类平均向量中判别信息的最优压缩的实现  141

5.2.6 增添特征法 

……