《模式識別及MATLAB實現——學習與實驗指導》是2017年8月1日電子工業出版社出版的圖書，作者是郭志強。
基本介紹
- 書名：模式識別及MATLAB實現：學習與實驗指導
- 作者：郭志強
- ISBN：9787121323737
- 頁數：208
- 定價：38.00
- 出版社：電子工業出版社
- 出版時間：2017年8月1日
- 開本：16
- 版次：1-1
- 字數：333千字
內容簡介,作者簡介,圖書目錄,
內容簡介
本書是《模式識別及Matlab實現》主教材的配套實驗與指導，根據主教材各章內容，相應給出了實驗的具體步驟和程式代碼，包括：貝葉斯決策，機率密度函式的參數估計，非參數判別分類方法，聚類分析，特徵提取與選擇，模糊模式識別，神經網路在模式識別中的套用，模式識別的工程套用等。
作者簡介
作者主要承擔數字圖像處理，模式識別，信息傳輸理論等課程的教學工作。近幾年先後承擔了國家自然科學基金面上項目，湖北省科技攻關項目，海南科技廳項目，武漢市科技攻關項目，國家留學基金項目，交通部重點項目和企業合作項目30餘項；在國內外學術刊物上發表學術論文60餘篇，被SCI和EI收錄論文40餘篇，出版教材3部。 獲武漢理工大學優秀碩士學位論文獎，優秀博士論文獎。
圖書目錄
第 1 章貝葉斯決策 1
1.1 知識要點 · 1
1.2 實驗指導 · 7
1.2.1 基於最小錯誤率的貝葉斯決策 · 7
1.2.2 最小風險判決規則 · 12
1.2.3 最大似然比判決規則 16
1.2.4 Neyman-Pearsen 判決 21
第2 章參數估計 25
2.1 知識要點 25
2.2 實驗指導 30
2.2.1 最大似然估計 · 30
2.2.2 貝葉斯估計 33
2.2.3 Parzen 窗 · 36
2.2.4 N k 近鄰估計法 38
第3 章非參數判別分類法 41
3.1 知識要點 41
3.2 實驗指導 44
3.2.1 兩分法 44
3.2.2 兩分法的設計 · 47
3.2.3 沒有不確定區域的兩分法 52
3.2.4 廣義線性判別函式的設計與實現 · 56
3.2.5 感知器算法的設計/實現 58
3.2.6 兩類問題Fisher 準則 62
3.2.7 基於距離的分段線性判別函式 68
3.2.8 支持向量機 74
第4 章聚類分析法 · 80
4.1 知識要點 · 81
4.2 實驗指導 · 84
4.2.1 距離測度 · 84
4.2.2 相似測度算法 · 90
4.2.3 基於匹配測度算法的實現 98
4.2.4 基於類間距離測度方法 103
4.2.5 聚類函式準則 106
4.2.6 基於最近鄰規則的聚類算法 108
4.2.7 基於最大最小距離聚類算法的實現 · 113
4.2.8 基於K-均值聚類算法實驗 116
第5 章特徵提取與選擇 124
5.1 知識要點 124
5.2 實驗指導 128
5.2.1 基於距離的可分性判據 128
5.2.2 圖像的傅立葉變換二（旋轉性質） · 130
5.2.3 基於熵函式的可分性判據 · 134
5.2.4 利用類均值向量提取特徵 · 136
5.2.5 基於類平均向量中判別信息的最優壓縮的實現 141
5.2.6 增添特徵法 · 144
5.2.7 剔減特徵法 · 148
5.2.8 增l 減r（算法）的設計/實現 151
5.2.9 分支定界法（BAB 算法） 156
第6 章模糊模式識別 · 161
6.1 知識要點 161
6.2 實驗指導 163
6.2.1 最大隸屬度識別法 163
6.2.2 擇近原則識別法 · 167
6.2.3 基於模糊等價關係的聚類算法研究 · 170
第7 章數字圖像處理的基礎 · 179
7.1 知識要點 179
7.2 實驗指導 181
7.2.1 前饋神經網路感知器的設計實現 · 181
7.2.2 基於BP 網路的多層感知器 184
7.2.3 自組織特徵映射網路的設計/實現 189
7.2.4 徑向基神經網路 194
參考文獻 · 198
1.1 知識要點 · 1
1.2 實驗指導 · 7
1.2.1 基於最小錯誤率的貝葉斯決策 · 7
1.2.2 最小風險判決規則 · 12
1.2.3 最大似然比判決規則 16
1.2.4 Neyman-Pearsen 判決 21
第2 章參數估計 25
2.1 知識要點 25
2.2 實驗指導 30
2.2.1 最大似然估計 · 30
2.2.2 貝葉斯估計 33
2.2.3 Parzen 窗 · 36
2.2.4 N k 近鄰估計法 38
第3 章非參數判別分類法 41
3.1 知識要點 41
3.2 實驗指導 44
3.2.1 兩分法 44
3.2.2 兩分法的設計 · 47
3.2.3 沒有不確定區域的兩分法 52
3.2.4 廣義線性判別函式的設計與實現 · 56
3.2.5 感知器算法的設計/實現 58
3.2.6 兩類問題Fisher 準則 62
3.2.7 基於距離的分段線性判別函式 68
3.2.8 支持向量機 74
第4 章聚類分析法 · 80
4.1 知識要點 · 81
4.2 實驗指導 · 84
4.2.1 距離測度 · 84
4.2.2 相似測度算法 · 90
4.2.3 基於匹配測度算法的實現 98
4.2.4 基於類間距離測度方法 103
4.2.5 聚類函式準則 106
4.2.6 基於最近鄰規則的聚類算法 108
4.2.7 基於最大最小距離聚類算法的實現 · 113
4.2.8 基於K-均值聚類算法實驗 116
第5 章特徵提取與選擇 124
5.1 知識要點 124
5.2 實驗指導 128
5.2.1 基於距離的可分性判據 128
5.2.2 圖像的傅立葉變換二（旋轉性質） · 130
5.2.3 基於熵函式的可分性判據 · 134
5.2.4 利用類均值向量提取特徵 · 136
5.2.5 基於類平均向量中判別信息的最優壓縮的實現 141
5.2.6 增添特徵法 · 144
5.2.7 剔減特徵法 · 148
5.2.8 增l 減r（算法）的設計/實現 151
5.2.9 分支定界法（BAB 算法） 156
第6 章模糊模式識別 · 161
6.1 知識要點 161
6.2 實驗指導 163
6.2.1 最大隸屬度識別法 163
6.2.2 擇近原則識別法 · 167
6.2.3 基於模糊等價關係的聚類算法研究 · 170
第7 章數字圖像處理的基礎 · 179
7.1 知識要點 179
7.2 實驗指導 181
7.2.1 前饋神經網路感知器的設計實現 · 181
7.2.2 基於BP 網路的多層感知器 184
7.2.3 自組織特徵映射網路的設計/實現 189
7.2.4 徑向基神經網路 194
參考文獻 · 198
