模式識別與智慧型計算—MATLAB技術實現（第4版）

內容簡介

本書廣泛吸取統計學、神經網路、數據挖掘、機器學習、人工智慧、群智慧型計算等學科的先進思想和理論，將其套用到模式識別領域中；以一種新的體系，系統、全面地介紹模式識別的理論、方法及套用。全書分為14章，內容包括：模式識別概述，特徵的選擇與最佳化，模式相似性測度，基於機率統計的貝葉斯分類器設計，判別函式分類器設計，神經網路分類器設計（BP神經網路、徑向基函式神經網路、自組織競爭神經網路、機率神經網路、對向傳播神經網路、反饋型神經網路），決策樹分類器設計，粗糙集分類器設計，聚類分析，模糊聚類分析，禁忌搜尋算法聚類分析，遺傳算法聚類分析,蟻群算法聚類分析,粒子群算法聚類分析。本書內容新穎，實用性強，理論與實際套用密切結合，以手寫數字識別為套用實例，介紹理論運用於實踐的實現步驟及相應的Matlab代碼，為廣大研究工作者和工程技術人員對相關理論的套用提供借鑑。

圖書目錄

第1章模式識別概述

1.1模式識別的基本概念

1.2統計模式識別

1.2.1統計模式識別研究的主要問題

1.2.2統計模式識別方法簡介

1.3分類分析

1.3.1分類器設計

1.3.2分類器的選擇

1.3.3訓練與學習

1.4聚類分析

1.4.1聚類的設計

1.4.2基於試探法的聚類設計

1.4.3基於群體智慧型最佳化算法的聚類設計

1.5模式識別的套用

本章小結

習題1

第2章特徵的選擇與最佳化

2.1特徵空間最佳化設計問題

2.2樣本特徵庫初步分析

2.3樣品篩選處理

2.4特徵篩選處理

2.5特徵評估

2.6基於主成分分析的特徵提取

2.7特徵空間描述與分析

2.7.1特徵空間描述

2.7.2特徵空間分布分析

2.8手寫數字特徵提取與分析

2.8.1手寫數字特徵提取

2.8.2手寫數字特徵空間分布分析

本章小結

習題2

第3章模式相似性測度

3.1模式相似性測度的基本概念

3.2距離測度分類法

3.2.1模板匹配法

3.2.2基於PCA的模板匹配法

3.2.3馬氏距離分類

本章小結

習題3

第4章基於機率統計的貝葉斯分類器設計

4.1貝葉斯決策的基本概念

4.1.1貝葉斯決策所討論的問題

4.1.2貝葉斯公式

4.2基於最小錯誤率的貝葉斯決策

4.3基於最小風險的貝葉斯決策

4.4貝葉斯決策比較

模式識別與智慧型計算—MATLAB技術實現（第4版）

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條