模式识别与智能计算―MATLAB技术实现（第4版）

图书标准信息

• 作者 杨淑莹
• 出版社 电子工业出版社
• 出版时间 2019-11
• 版次 4
• ISBN 9787121358661
• 定价 78.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 308页
• 字数 492.8千字

【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*家级、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*家级精品课、*家级精品资源共享课负责人；主编教材获得*家级“十一五”规划教材和*家级“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

 

11模式识别的基本概念

 

12统计模式识别

 

121统计模式识别研究的主要问题

 

122统计模式识别方法简介

 

13分类分析

 

131分类器设计

 

132分类器的选择

 

133训练与学习

 

14聚类分析

 

141聚类的设计

 

142基于试探法的聚类设计

 

143基于群体智能优化算法的聚类设计

 

15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

 

21特征空间优化设计问题

 

22样本特征库初步分析

 

23样品筛选处理

 

24特征筛选处理

 

25特征评估

 

26基于主成分分析的特征提取

 

27特征空间描述与分析

 

271特征空间描述

 

272特征空间分布分析

 

28手写数字特征提取与分析

 

281手写数字特征提取

 

282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

 

31模式相似性测度的基本概念

 

32距离测度分类法

 

321模板匹配法

 

322基于PCA的模板匹配法

 

323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

 

41贝叶斯决策的基本概念

 

411贝叶斯决策所讨论的问题

 

412贝叶斯公式

 

42基于最小错误率的贝叶斯决策

 

43基于最小风险的贝叶斯决策

 

44贝叶斯决策比较

 

45基于最小错误率的贝叶斯分类实现

 

46基于最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

 

51判别函数的基本概念

 

52线性判别函数

 

53线性判别函数的实现

 

54感知器算法

 

55Fisher分类

 

56基于核的Fisher分类

 

57支持向量机

 

本章小结

 

习题5

 

第6章神经网络分类器设计

 

61人工神经网络的基本原理

 

611人工神经元

 

612人工神经网络模型

 

613神经网络的学习过程

 

614人工神经网络在模式识别问题上的优势

 

62BP神经网络

 

621BP神经网络的基本概念

 

622BP神经网络分类器设计

 

63径向基函数神经网络(RBF)

 

631径向基函数神经网络的基本概念

 

632径向基函数神经网络分类器设计

 

64自组织竞争神经网络

 

641自组织竞争神经网络的基本概念

 

642自组织竞争神经网络分类器设计

 

65概率神经网络(PNN) 

 

651概率神经网络的基本概念

 

652概率神经网络分类器设计

 

66对向传播神经网络(CPN)

 

661对向传播神经网络的基本概念

 

662对向传播神经网络分类器设计

 

67反馈型神经网络(Hopfield)

 

671Hopfield网络的基本概念

 

672Hopfield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

 

71决策树的基本概念

 

72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

 

81粗糙集理论的基本概念

 

82粗糙集在模式识别中的应用

 

83粗糙集分类器设计

 

本章小结

 

习题8

 

第9章聚类分析

 

91聚类的设计

 

92基于试探的未知类别聚类算法

 

921最临近规则的试探法

 

922最大最小距离算法

 

93层次聚类算法

 

931最短距离法

 

932重心法

 

94动态聚类算法

 

941K均值算法 

 

942迭代自组织的数据分析算法（ISODATA）

 

95模拟退火聚类算法

 

951模拟退火的基本概念

 

952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

 

101模糊集的基本概念

 

10保材：集运算

 

10保勃1模糊子集运算

 

10保勃2模糊集运算性质

 

10保衬：关系

 

104模糊集在模式识别中的应用

 

105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

 

111遗传算法的基本原理

 

11保惨糯算法的构成要素

 

1121染色体的编码

 

1122适应度函数

 

1123遗传算子

 

113控制参数的选择

 

11保椿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

 

121粒子群算法的基本原理

 

122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

 

131Memetic算法

 

132Memetic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