消息 首页 搜索 举报
  • 模式识别与智能计算—MATLAB技术实现（第4版）
21年品牌 40万+商家 超1.5亿件商品

模式识别与智能计算—MATLAB技术实现（第4版）

全新正版现货

￥ 99.9 ￥ 78 全新

仅1件

江苏无锡
认证卖家担保交易快速发货售后保障

作者杨淑莹

出版社电子工业出版社

ISBN9787121358661

出版时间2019-11

装帧平装

开本16开

纸张胶版纸

定价78元

货号28497751

上书时间2023-10-19

天涯淘书阁

五年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
正版全新
商品描述

【编辑推荐】:

本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。



【内容简介】:

本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书分为14章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器设计，粗糙集分类器设计，聚类分析，模糊聚类分析，禁忌搜索算法聚类分析，遗传算法聚类分析,蚁群算法聚类分析,粒子群算法聚类分析。 本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。



【作者简介】:

杨淑莹 博士学位，天津理工大学计算机科学与工程学院教授，硕士研究生导师，天津市“教学名师”，中国图像图形学学会第五届理事会学术委员会委员。多年来在图像、语音、时间序列等方面进行模式识别相关工作的深入研究，涉及模式识别，数字图像处理、信号与信息处理、智能计算等领域。承担并完成*、市级自然科学基金项目多项，获得天津市科学技术进步奖2项，发表论文50多篇；撰写专著6部。现任*精品课、*精品资源共享课负责人；主编教材获得*“十一五”规划教材和*“十二五”规划教材；获得市级教学成果奖3项。



【目录】:

目录 
第1章模式识别概述 
11模式识别的基本概念 
12统计模式识别 
121统计模式识别研究的主要问题 
122统计模式识别方法简介 
13分类分析 
131分类器设计 
132分类器的选择 
133训练与学习 
14聚类分析 
141聚类的设计 
142基于试探法的聚类设计 
143基于群体智能优化算法的聚类设计 
15模式识别的应用 
本章小结 
习题1 
第2章特征的选择与优化 
21特征空间优化设计问题 
22样本特征库初步分析 
23样品筛选处理 
24特征筛选处理 
25特征评估 
26基于主成分分析的特征提取 
27特征空间描述与分析 
271特征空间描述 
272特征空间分布分析 
28手写数字特征提取与分析 
281手写数字特征提取 
282手写数字特征空间分布分析 
本章小结 
习题2 
第3章模式相似性测度 
31模式相似性测度的基本概念 
32距离测度分类法 
321模板匹配法 
322基于PCA的模板匹配法 
323马氏距离分类 
本章小结 
习题3 
第4章基于概率统计的贝叶斯分类器设计 
41贝叶斯决策的基本概念 
411贝叶斯决策所讨论的问题 
412贝叶斯公式 
42基于*小错误率的贝叶斯决策 
43基于*小风险的贝叶斯决策 
44贝叶斯决策比较 
45基于*小错误率的贝叶斯分类实现 
46基于*小风险的贝叶斯分类实现 
本章小结 
习题4 
第5章判别函数分类器设计 
51判别函数的基本概念 
52线性判别函数 
53线性判别函数的实现 
54感知器算法 
55Fisher分类 
56基于核的Fisher分类 
57支持向量机 
本章小结 
习题5 
第6章神经网络分类器设计 
61人工神经网络的基本原理 
611人工神经元 
612人工神经网络模型 
613神经网络的学习过程 
614人工神经网络在模式识别问题上的优势 
62BP神经网络 
621BP神经网络的基本概念 
622BP神经网络分类器设计 
63径向基函数神经网络(RBF) 
631径向基函数神经网络的基本概念 
632径向基函数神经网络分类器设计 
64自组织竞争神经网络 
641自组织竞争神经网络的基本概念 
642自组织竞争神经网络分类器设计 
65概率神经网络(PNN) 
651概率神经网络的基本概念 
652概率神经网络分类器设计 
66对向传播神经网络(CPN) 
661对向传播神经网络的基本概念 
662对向传播神经网络分类器设计 
67反馈型神经网络(Hopfield) 
671Hopfield网络的基本概念 
672Hopfield神经网络分类器设计 
本章小结 
习题6 
第7章决策树分类器设计 
71决策树的基本概念 
72决策树分类器设计 
本章小结 
习题7 
第8章粗糙集分类器设计 
81粗糙集理论的基本概念 
82粗糙集在模式识别中的应用 
83粗糙集分类器设计 
本章小结 
习题8 
第9章聚类分析 
91聚类的设计 
92基于试探的未知类别聚类算法 
921*临近规则的试探法 
922**小距离算法 
93层次聚类算法 
931*短距离法 
932重心法 
94动态聚类算法 
941K均值算法 
942迭代自组织的数据分析算法（ISODATA） 
95模拟退火聚类算法 
951模拟退火的基本概念 
952基于模拟退火思想的改进K均值聚类算法 
本章小结 
习题9 
第10章模糊聚类分析 
101模糊集的基本概念 
10２模糊集运算 
10２1模糊子集运算 
10２2模糊集运算性质 
10３模糊关系 
104模糊集在模式识别中的应用 
105基于模糊的聚类分析 
本章小结 
习题10 
第11章遗传算法聚类分析 
111遗传算法的基本原理 
11２遗传算法的构成要素 
1121染色体的编码 
1122适应度函数 
1123遗传算子 
113控制参数的选择 
11４基于遗传算法的聚类分析 
本章小结 
习题11 
第12章粒子群算法聚类分析 
121粒子群算法的基本原理 
122基于粒子群算法的聚类分析 
本章小结 
习题12 
第13章Memetic算法仿生计算 
131Memetic算法 
132Memetic算法仿生计算在聚类分析中的应用 
本章小结 
习题13 
参考文献


   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

正版全新
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP