《模式識別與智慧型計算的 MATLAB實現（第2版）》是2017年北京航空航天大學出版社出版的圖書，作者是許國根、賈瑛、韓啟龍。
基本介紹
- 中文名：模式識別與智慧型計算的 MATLAB實現（第2版）
- 作者：許國根、賈瑛、韓啟龍
- 出版社：北京航空航天大學出版社
- 出版時間：2017年7月1日
- ISBN：9787512424005
內容簡介,圖書目錄,作者簡介,
內容簡介
模式識別與智慧型計算的MATLAB實現（第2版）
針對各學科數據信息的特點以及科學工作者對信息處理和數據挖掘技術的要求,本書既介紹了模式識別和智慧型計算的基礎知識,又較為詳細地介紹了現代模式識別和智慧型計算在科學研究中的套用方法和各算法的MATLAB源程式。
本書可以幫助廣大的科學工作者掌握模式識別和智慧型計算方法,並套用於實際的研究中,提高對海量數據信息的處理及挖掘能力,針對性和實用性強,具有較高的理論和實用價值。本書可作為高等院校計算機工程、信息工程、生物醫學工程、智慧型機器人、工業自動化、地質、水利、化學和環境等專業研究生、本科生的教材或教學參考書,亦可供有關工程技術人員參考。
圖書目錄
第1章 緒 論…………………………………………………………………………………… 1
1.1 模式識別的基本概念…………………………………………………………………… 1
1.1.1 模式與模式識別的概念………………………………………………………阿炒挨…… 1
1.1.2 模式的特徵………………………………………………………………………… 1
1.1.3 模式識別系統……………………………………………………………………… 2
1.2 模式識別的主要方法…………………………………………………………………… 2
1.3 模式識別的主要研究內容……………………………………………………………… 3
1.4 模式識別在科學研究中的套用………………………………………………………… 3
1.4.1 化合物的構效分析………………………………………………………………… 3
1.4.2 譜圖解析…………………………………………………………………………… 4
1.4.3 材料研究…………………………………………………………………………… 4
1.4.4 催化劑研究………………………………………………………………………… 5
1.4.5 機械故障診斷與監測……………………………………………………………… 5
1.4.6 化學物質源產地判斷……………………………………………………………… 6
1.4.7 疾病的診斷與預測………………………………………………………………… 6
1.4.8 礦藏勘探……………………坑葛狼姜……………………………………………………… 7
1.4.9 考古及食品工業中的套用………………………………………………………… 7
第2章 統計模式識別技術………………………………………………………………… 8
2.1 基於機率統計的貝葉斯分類方法…………………………………………………… 8
2.1.1 最小錯誤率貝葉斯分類…………………………………………………………… 9
2.1.2 最小風險率貝葉斯分類…………………………………………………………… 10
2.2 線性分類器………………………………………………………………………………12
2.2.1 線性判別函式……………………………………………………………………… 12
2.2.2 Fisher線性判別燥盼整函式……………………………………………………………… 13
2.2.3 感知器算法………………………………………………………………………… 14
2.3 非線性分類器…………………巴套章………………………………………………………315
2.3.1 分段線性判別函式………………………………………………………………… 15
2.3.2 近鄰法……………………………………………………………………………… 17
2.3.3 勢函式法…………………………………………………………………………… 19
2.3.4 SIMCA 方法……………………………………………………………………… 20
2.4 聚類分析………………………………………………………………………………22
2.4.1 模式相似度………………………………………………………………………… 22
2.4.2 聚類準則……………………………………市雅霸……………………………………… 24
2.4.3 層次聚類法……………………………腳屑…………………………………………… 25
2.4.4 動態聚類法………………………………………………籃笑全頌………………………… 25
2.4.5 決策樹分類器……………………………………………………………………… 28
2.5 統計模式識別在科學研究中的套用…………………………………………………29
第3章 人工神經網路及模式識別…………………………………………………………43
3.1 人工神經網路的基本概念………………………………………………………… 43
3.1.1 人工神經元………………………………………………………………………… 43
3.1.2 傳遞函式…………………………………………………………………………… 43
3.1.3 人工神經網路分類和特點………………………………………………………… 44
3.2 BP人工神經網路……………………………………………………………………… 44
3.2.1 BP人工神經網路學習算法……………………………………………………… 44
3.2.2 BP人工神經網路MATLAB實現……………………………………………… 46
3.3 徑向基函式神經網路RBF …………………………………………………………… 47
3.3.1 RBF的結構與學習算法…………………………………………………………… 47
3.3.2 RBF的MATLAB實現…………………………………………………………… 48
3.4 自組織競爭人工神經網路……………………………………………………………48
3.4.1 自組織競爭人工神經網路的基本概念…………………………………………… 48
3.4.2 自組織競爭神經網路的學習算法………………………………………………… 49
3.4.3 自組織競爭網路的MATLAB實現……………………………………………… 49
3.5 對向傳播神經網路CPN ……………………………………………………………… 50
3.5.1 CPN 的基本概念………………………………………………………………… 50
3.5.2 CPN 網路的學習算法…………………………………………………………… 50
3.6 反饋型神經網路Hopfield ……………………………………………………………51
3.6.1 Hopfield網路的基本概念………………………………………………………… 51
3.6.2 Hopfield網路的學習算法………………………………………………………… 52
3.6.3 Hopfield網路的MATLAB實現………………………………………………… 53
3.7 人工神經網路技術在科學研究中的套用………………………………………………53
第4章 模糊系統理論及模式識別……………………………………………………………72
4.1 模糊系統理論基礎………………………………………………………………………72
4.1.1 模糊集合…………………………………………………………………………… 72
4.1.2 模糊關係…………………………………………………………………………… 75
4.1.3 模糊變換與模糊綜合評判………………………………………………………… 77
4.1.4 If…then規則……………………………………………………………………… 78
4.1.5 模糊推理…………………………………………………………………………… 78
4.2 模糊模式識別的基本方法………………………………………………………………79
4.2.1 最大隸屬度原則…………………………………………………………………… 79
4.2.2 擇近原則…………………………………………………………………………… 79
4.2.3 模糊聚類分析……………………………………………………………………… 81
4.3 模糊神經網路……………………………………………………………………………85
4.3.1 模糊神經網路……………………………………………………………………… 85
4.3.2 模糊BP神經網路………………………………………………………………… 86
4.4 模糊邏輯系統及其在科學研究中的套用……………………………………………… 86
第5章 核函式方法及套用…………………………………………………………………… 107
5.1 核函式方法…………………………………………………………………………… 107
5.2 基於核的主成分分析方法…………………………………………………………… 108
5.2.1 主成分分析……………………………………………………………………… 108
5.2.2 基於核的主成分分析…………………………………………………………… 110
5.3 基於核的Fisher判別方法…………………………………………………………… 112
5.3.1 Fisher判別方法………………………………………………………………… 112
5.3.2 基於核的Fisher判別方法分析………………………………………………… 113
5.4 基於核的投影尋蹤方法……………………………………………………………… 114
5.4.1 投影尋蹤分析…………………………………………………………………… 114
5.4.2 基於核的投影尋蹤分析………………………………………………………… 118
5.5 核函式方法在科學研究中的套用…………………………………………………… 119
第6章 支持向量機及其模式識別…………………………………………………………… 130
6.1 統計學習理論基本內容……………………………………………………………… 130
6.2 支持向量機…………………………………………………………………………… 131
6.2.1 最優分類面……………………………………………………………………… 131
6.2.2 支持向量機模型………………………………………………………………… 132
6.3 支持向量機在模式識別中的套用…………………………………………………… 134
第7章 可拓學及其模式識別………………………………………………………………… 142
7.1 可拓學概論…………………………………………………………………………… 142
7.1.1 可拓工程基本思想……………………………………………………………… 142
7.1.2 可拓工程使用的基本工具……………………………………………………… 143
7.2 可拓集合……………………………………………………………………………… 145
7.2.1 可拓集合含義…………………………………………………………………… 145
7.2.2 物元可拓集合…………………………………………………………………… 146
7.3 可拓聚類預測的物元模型…………………………………………………………… '3146
7.4 可拓學在科學研究中的套用………………………………………………………… 147
第8章 粗糙集理論及其模式識別…………………………………………………………… 154
8.1 粗糙集理論基礎……………………………………………………………………… 154
8.1.1 分類規則的形成………………………………………………………………… 156
8.1.2 知識的約簡……………………………………………………………………… 157
8.2 粗糙神經網路………………………………………………………………………… 158
8.3 系統評估粗糙集方法………………………………………………………………… 158
8.3.1 模型結構………………………………………………………………………… 159
8.3.2 綜合評估方法…………………………………………………………………… 159
8.4 粗糙集聚類方法……………………………………………………………………… 160
8.5 粗糙集理論在科學研究中的套用…………………………………………………… 161
第9章 遺傳算法及其模式識別……………………………………………………………… 170
9.1 遺傳算法的基本原理………………………………………………………………… 170
9.2 遺傳算法分析………………………………………………………………………… 173
9.2.1 染色體的編碼…………………………………………………………………… 173
9.2.2 適應度函式……………………………………………………………………… 174
9.2.3 遺傳運算元………………………………………………………………………… 175
9.3 控制參數的選擇……………………………………………………………………… 177
9.4 模擬退火算法………………………………………………………………………… 178
9.4.1 模擬退火的基本概念…………………………………………………………… 178
9.4.2 模擬退火算法的基本過程……………………………………………………… 179
9.4.3 模擬退火算法中的控制參數…………………………………………………… 180
9.5 基於遺傳算法的模式識別在科學研究中的套用…………………………………… 180
9.5.1 遺傳算法的MATLAB實現…………………………………………………… 180
9.5.2 遺傳算法在科學研究中的套用實例…………………………………………… 185
第10章 蟻群算法及其模式識別…………………………………………………………… 201
10.1 蟻群算法原理………………………………………………………………………… 201
10.1.1 基本概念………………………………………………………………………… 201
10.1.2 蟻群算法的基本模型…………………………………………………………… 202
10.1.3 蟻群算法的特點………………………………………………………………… 203
10.2 蟻群算法的改進……………………………………………………………………… 203
10.2.1 自適應蟻群算法………………………………………………………………… 203
10.2.2 遺傳算法與蟻群算法的融合…………………………………………………… 204
10.2.3 蟻群神經網路…………………………………………………………………… 204
10.3 聚類問題的蟻群算法………………………………………………………………… 205
10.3.1 聚類數目已知的聚類問題的蟻群算法………………………………………… 205
10.3.2 聚類數目未知的聚類問題的蟻群算法………………………………………… 206
10.4 蟻群算法在科學研究中的套用……………………………………………………… 207
第11章 粒子群算法及其模式識別………………………………………………………… 217
11.1 粒子群算法的基本原理……………………………………………………………… 217
11.2 全局模式與局部模式………………………………………………………………… 218
11.3 粒子群算法的特點…………………………………………………………………… 218
11.4 基於粒子群算法的聚類分析………………………………………………………… 219
11.4.1 算法描述………………………………………………………………………… 219
11.4.2 實現步驟………………………………………………………………………… 220
11.5 粒子群算法在科學研究中的套用…………………………………………………… 221
第12章 可視化模式識別技術……………………………………………………………… 229
12.1 高維數據的圖形表示方法…………………………………………………………… 229
12.1.1 輪廓圖…………………………………………………………………………… 229
12.1.2 雷達圖…………………………………………………………………………… 230
12.1.3 樹形圖…………………………………………………………………………… 230
12.1.4 三角多項式圖…………………………………………………………………… 231
12.1.5 散點圖…………………………………………………………………………… 231
12.1.6 星座圖…………………………………………………………………………… 232
12.1.7 臉譜圖…………………………………………………………………………… 233
12.2 圖形特徵參數計算…………………………………………………………………… 235
12.3 顯示方法……………………………………………………………………………… 237
12.3.1 線性映射………………………………………………………………………… 237
12.3.2 非線性映射……………………………………………………………………… 237
第13章 灰色系統方法及套用……………………………………………………………… 241
13.1 灰色系統的基本概念………………………………………………………………… 241
13.1.1 灰 數…………………………………………………………………………… 241
13.1.2 灰數白化與灰度………………………………………………………………… 242
13.2 灰色序列生成運算元…………………………………………………………………… 242
13.2.1 均值生成運算元…………………………………………………………………… 242
13.2.2 累加生成運算元…………………………………………………………………… 243
13.2.3 累減生成運算元…………………………………………………………………… 243
13.3 灰色分析……………………………………………………………………………… 244
13.3.1 灰色關聯度分析………………………………………………………………… 244
13.3.2 無量綱化的關鍵運算元…………………………………………………………… 244
13.3.3 關聯分析的主要步驟…………………………………………………………… 245
13.3.4 其他幾種灰色關聯度…………………………………………………………… 246
13.4 灰色聚類……………………………………………………………………………… 247
13.5 灰色系統建模………………………………………………………………………… 247
13.5.1 GM(1,1)模型…………………………………………………………………… 247
13.5.2 GM(1,1)模型檢驗……………………………………………………………… 248
13.5.3 殘差GM(1,1)模型…………………………………………………………… 250
13.5.4 GM(1,N )模型………………………………………………………………… 250
13.6 灰色災變預測………………………………………………………………………… 251
13.7 灰色系統的套用……………………………………………………………………… 252
第14章 人工魚群等群體智慧型算法………………………………………………………… 258
第15章 仿生模式識別……………………………………………………………………… 328
第16章 模式識別的特徵及確定…………………………………………………………… 348
作者簡介
許國根，畢業於南京大學分析化學專業，長期奮鬥在一線的高校資深化學教師。為了實現“數學化學”夢想， 一直致力於數學在化學中的套用，熱衷於MATLAB、模式識別、數據挖掘、化學計量學等相關知識的學習與套用，撰寫過多部介紹MATLAB在化學中套用技巧的書籍。
