• 可视化模式识别
21年品牌 40万+商家 超1.5亿件商品

可视化模式识别

正版保障 假一赔十 可开发票

56.67 6.4折 88 全新

库存6件

广东广州
认证卖家担保交易快速发货售后保障

作者洪文学[等]著

出版社国防工业出版社

ISBN9787118090505

出版时间2013-05

装帧精装

开本其他

定价88元

货号8258263

上书时间2024-12-13

灵感书店

三年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
目录
第1章 绪论
 1.1 模式分类的基本哲学思想与可分性原理
  1.1.1 模式分类的基本哲学思想
  1.1.2 模式可分性原理
  1.1.3 非线性变换与优化算法
  1.1.4 模式分类的几个基本途径
 1.2 模式识别的实现原理
  1.2.1 统计模式识别与结构模式识别
  1.2.2 基于表示原理的模式识别方法
 1.3 可视化与可视分析
  1.3.1 可视化技术分类
  1.3.2 可视化技术问题及发展方向
 1.4 可视化模式识别框架
第2章 可视化模式识别理论基础
 2.1 可视化模式识别基本原理
 2.2 可视化放大人类感知的科学基础
 2.3 几何代数
  2.3.1 几何代数公理化定义
  2.3.2 几何代数基本概念和定理
  2.3.3 共形几何代数表示
 2.4 形式概念分析
  2.4.1 形式背景与概念
  2.4.2 概念格的生成与可视化方法
第3章 可视化模式识别的表示问题
 3.1 模式识别的表示问题
 3.2 表示的理解与表示的原则
 3.3 表示的方法
  3.3.1 原始数据表示
  3.3.2 统计数据表示
 3.4 可视化模式识别的图表示
  3.4.1 高维数据的二维图单点表示原理
  3.4.2 高维数据的二维图多点表示原理
 3.5 多元图图形基元表示和特征基元表示
  3.5.1.多元图图形基元表示
  3.5.2 多元图特征基元表示
 3.6 多元数据子空间多向量表示矩阵
  3.6.1 子空间多向量表示
  3.6.2 子空间复数表示
  3.6.3 子空间四元数表示
 3.7 子空间局部坐标系
  3.7.1 笛卡儿坐标系
  3.7.2 极坐标系
  3.7.3 仿射坐标系
  3.7.4 重心坐标系
  3.7.5 几种图表示方法的子空间坐标表示模型
 3.8 基于非线性变换的图表示优化
  3.8.1 非线性变换的作用与原则
  3.8.2 多元图表示的非线性优化
  3.8.3 优化的试验与分析
 3.9 平行坐标可视化表示优化
  3.9.1 凸壳定义与算法
  3.9.2 凸壳优化平行坐标
 3.10 星座图表示方法优化
第4章 基于几何代数子空间的图形特征提取
 4.1 多元图表示图形特征优化模型
  4.1.1 多元图表示图形特征学习优化模型
  4.1.2 图形特征优化算子
  4.1.3 人机交互
 4.2 雷达图的图形特征提取方法
  4.2.1 雷达图图形的结构特点
  4.2.2 面积图形特征
  4.2.3 重心图形特征
  4.2.4 图形特征的实验结果与分析
 4.3 特征排序优化
  4.3.1 图形特征提取中的特征排序问题
  4.3.2 基于特征选择的特征排序方法
  4.3.3 基于遗传算法的特征排序方法
  4.3.4 基于准则函数的特征排序方法
  4.3.5 特征排序的实验结果与分析
 4.4 传统的子空间特征提取方法及实验结果
第5章 基于几何代数子空间的升维变换和特征选取
 5.1 基于几何代数子空间的升维变换原理
 5.2 基于图形特征的升维变换
 5.3 升维后的特征选取
  5.3.1 特征选取思想
  5.3.2 特征选择方法
 5.4 升维变换和特征选取的实验结果及分析
第6章 基于多元图的图形分类方法
 6.1 基于图形相异度的图形分类器
  6.1.1 单原型图形分类器
  6.1.2 近邻图形分类器
 6.2 基于平行坐标的平行筛可视化分类方法
 6.3 基于平行坐标的贝叶斯可视化分类方法
第7章 可视化分类原理的多维筛分类器
 7.1 多维筛分类器基本原理
 7.2 多维筛与传统可视化分类器的区别
 7.3 基于色度学空间的多元图表示
  7.3.1 传统多元图表示的局限
  7.3.2 色度学在多元图表示中的应用
  7.3.3 色度多元图的生成方法
 7.4 基于域匹配思想的类域生成原理
  7.4.1 经典分类界面生成算法分析
  7.4.2 主动生长类域生成基本思想
 7.5 基于计算几何的主动生长分类界面形成
  7.5.1 数据描述
  7.5.2 一维空间下的主动生长
  7.5.3 主动生长的等效算法
  7.5.4 高维扩展
 7.6 域匹配空间的可视化信息
 7.7 基于粗糙度的子分类器权重计算
  7.7.1 分类界面中的模糊性
  7.7.2 特定类粗糙度计算
  7.7.3 子分类器空间权重计算
 7.8 类空间规整度的计算几何组合分类器权重分配
  7.8.1 分类界面中共生关系计算
  7.8.2 子分类器规整度与权重计算
 7.9 多维筛分类器性能测试与评价
  7.9.1 实验数据
  7.9.2 不同加权方式测试
  7.9.3 不同分类器对比实验
  7.9.4 分类界面对比
第8章 基于知识可视化表示原理的模式识别方法
 8.1 属性偏序结构图
  8.1.1 属性的基本特征
  8.1.2 属性偏序结构图
 8.2 属性偏序结构图的生成
  8.2.1 形式背景预处理
  8.2.2 形式背景的覆盖优化
  8.2.3 包含度
  8.2.4 分层类坐标矩阵
  8.2.5 偏序结构图的Matlab生成算法
 8.3 属性偏序结构图在决策背景中的应用
  8.3.1 泌尿系统疾病数据库
  8.3.2 构建形式背景
  8.3.3 可视化表示及知识发现
第9章 可视化技术的典型应用
 9.1 可视化技术在语音信号处理中的应用
  9.1.1 语音信号的特征参数可视化
  9.1.2 语音信号特征参数的二维可视化数据分析
 9.2 可视化技术在声诊中的应用
  9.2.1 语谱图原理
  9.2.2 语谱图的绘制步骤
  9.2.3 基于语谱图的声诊举例
 9.3 可视化技术在多媒体智能信息处理系统的应用
  9.3.1 多媒体智能信息处理系统简介
  9.3.2 音频信息可视化的模式识别基础
  9.3.3 基于音频内容的可视化方法
 9.4 复杂过程的信息可视化
  9.4.1 焊接温度场的模拟
  9.4.2 枝晶生长模拟
 9.5 文本可视化
 9.6 城市三维可视化
 9.7 医学图像可视化
 9.8 音乐可视化
第10章 可视化模式识别的蛋白质组学癌症诊断应用
 10.1 蛋白质组学质谱数据
  10.1.1 SELDI—TOF MS的原理和质谱数据生成
  10.1.2 蛋白质组学质谱数据的模式识别流程
  10.1.3 蛋白质组学质谱数据预处理技术
  10.1.4 蛋白质组学质谱数据预处理举例
 10.2 基于多元图图形特征的特征选取与分类
  10.2.1 雷达图图形特征选取
  10.2.2 雷达图的图形特征
  10.2.3 基于雷达图的图形特征的癌症诊断
 10.3 径向坐标可视分析蛋白质组学质谱模式
  10.3.1 二维径向坐标映射模型
  10.3.2 径向坐标映射优化
  10.3.3 本征维数的最大似然估计
  10.3.4 三维径向坐标映射模型
  10.3.5 质谱数据的实验结果与分析
参考文献

内容摘要
洪文学、王金甲等编著的《可视化模式识别》全面阐述了可视化模式识别理论和万法。
本书共分10章,主要内容包括可视化模式识别的理论基础(可视化认知理论、几何代数理论与形式概念分析理论)、多维数据的子空间变换与可视化表示、高维数据多元图图形基元和特征基元表示、基于几何代数子空间的特征提取、基于几何代数子空间的升维变换和特征选取、基于多元图的图形分类和聚类、基于多维筛可视化分类器、基于属性结构偏序图知识可视化方法、可视化典型应用和可视化模式识别的应用等。这些内容分别从可视化模式识别的理论基础、特征提取、分类器设计和应用等方面做了较详尽的论述,构建出可视化模式识别的一个新理论框架,能帮助读者掌握数据分析的可视化方法,解决与海量、时变、异构数据的模式识别相关的实际问题。
本书适合模式识别、可视化等领域的广大科技工作者学习和参考,也可作为高等学校信息科学、计算机科学、控制工程以及生物医学工程等相关专业高年级本科哇或研究生的参考教材。

精彩内容
洪文学、王金甲等编著的《可视化模式识别》全面阐述了可视化模式识别理论和万法。

本书共分10章,主要内容包括可视化模式识别的理论基础(可视化认知理论、几何代数理论与形式概念分析理论)、多维数据的子空间变换与可视化表示、高维数据多元图图形基元和特征基元表示、基于几何代数子空间的特征提取、基于几何代数子空间的升维变换和特征选取、基于多元图的图形分类和聚类、基于多维筛可视化分类器、基于属性结构偏序图知识可视化方法、可视化典型应用和可视化模式识别的应用等。这些内容分别从可视化模式识别的理论基础、特征提取、分类器设计和应用等方面做了较详尽的论述,构建出可视化模式识别的一个新理论框架,能帮助读者掌握数据分析的可视化方法,解决与海量、时变、异构数据的模式识别相关的实际问题。

本书适合模式识别、可视化等领域的广大科技工作者学习和参考,也可作为高等学校信息科学、计算机科学、控制工程以及生物医学工程等相关专业高年级本科哇或研究生的参考教材。

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP