《模式識別與智慧型計算的MATLAB實現》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。
基本介紹
- ISBN：9787512408432
- 頁數：273
- 定價：36.00元
- 出版時間：2012-7
- 副標題：模式識別與智慧型計算的MATLAB實現
內容介紹,作品目錄,
內容介紹
《模式識別與智慧型計算的MATLAB實現》內容基本涵蓋了目前模式識別和智慧型計算的重要理論和方法，包括了最近十幾年來剛剛發展起來的並被實踐證明有用的新技術、新理論，如支持向量機、神經網路、決策樹、粗糙集理論、模糊集理論和遺傳算法等。
作品目錄
第1章 緒論
1.1 模式識別的基本概念
1.1.1 模式與模式識別的概念
1.1.2 模式的特徵
1.1.3 模式識別系統
1.2 模式識別的主要方法
1.3 模式識別的主要研究內容
1.4 模式識別在科學研究中的套用
1.4.1 化合物的構效分析
1.4.2 譜圖解析
1.4.3 材料研究
1.4.4 催化劑研究
1.4.5 機械故障診斷與監測
1.4.6 化學物質源產地判斷
1.4.7 疾病的診斷與預測
1.4.8 礦藏勘探
1.4.9 考古及食品工業中的套用
第2章 統計模式識別技術
2.1 基於機率統計的貝葉斯分類方法
2.1.1 最小錯誤率貝葉斯分類
2.1.2 最小風險率貝葉斯分類
2.2 線性分類器
2.2.1 線性判別函式
2.2.2 Fisher線性判別函式
2.2.3 感知器算法
2.3 非線性分類器
2.3.1 分段線性判別函式
2.3.2 近鄰法
2.3.3 勢函式法
2.3.4 SIMCA方法
2.4 聚類分析
2.4.1 模式相似度
2.4.2 聚類準則
2.4.3 層次聚類法
2.4.4 動態聚類法
2.4.5 決策樹分類器
2.5 統計模式識別在科學研究中的套用
第3章 人工神經網路及模式識別
3.1 人工神經網路的基本概念
3.1.1 人工神經元
3.1.2 傳遞函式
3.1.3 人工神經網路分類和特點
3.2 BP人工神經網路
3.2.1 BP人工神經網路學習算法
3.2.2 BP人工神經網路MATLAB實現
3.3 徑向基函式神經網路RBF
3.3.1 RBF的結構與學習算法
3.3.2 RBF的MATLAB實現
3.4 自組織競爭人工神經網路
3.4.1 自組織競爭人工神經網路的基本概念
3.4.2 自組織競爭神經網路的學習算法
3.4.3 自組織競爭網路的MATLAB實現
3.5 對向傳播神經網路CPN
3.5.1 CPN的基本概念
3.5.2 CPN網路的學習算法
3.6 反饋型神經網路Hopfield
3.6.1 Hopfield網路的基本概念
3.6.2 Hopfield網路的學習算法
3.6.3 Hopfield網路的MATLAB實現
3.7 人工神經網路技術在科學研究中的套用
第4章 模糊系統理論及模式識別
4.1 模糊系統理論基礎
4.1.1 模糊集合
4.1.2 模糊關係
4.1.3 模糊變換與模糊綜合評判
4.1.4 Ifthen規則
4.1.5 模糊推理
4.2 模糊模式識別的基本方法
4.2.1 最大隸屬度原則
4.2.2 擇近原則
4.2.3 模糊聚類分析
……
第5章 核函式方法及套用
第6章 支持向量機及其模式識別
第7章 可拓學及其模式識別
第8章 粗糙集理論及其模式識別
第9章 遺傳算法及模式識別
第10章 蟻群算法及其模式識別
第11章 粒子群算法及其模式識別
第12章 可視化模式識別技術
第13章 灰色系統方法及套用
第14章 模式識別的特徵及確定
參考文獻
1.1 模式識別的基本概念
1.1.1 模式與模式識別的概念
1.1.2 模式的特徵
1.1.3 模式識別系統
1.2 模式識別的主要方法
1.3 模式識別的主要研究內容
1.4 模式識別在科學研究中的套用
1.4.1 化合物的構效分析
1.4.2 譜圖解析
1.4.3 材料研究
1.4.4 催化劑研究
1.4.5 機械故障診斷與監測
1.4.6 化學物質源產地判斷
1.4.7 疾病的診斷與預測
1.4.8 礦藏勘探
1.4.9 考古及食品工業中的套用
第2章 統計模式識別技術
2.1 基於機率統計的貝葉斯分類方法
2.1.1 最小錯誤率貝葉斯分類
2.1.2 最小風險率貝葉斯分類
2.2 線性分類器
2.2.1 線性判別函式
2.2.2 Fisher線性判別函式
2.2.3 感知器算法
2.3 非線性分類器
2.3.1 分段線性判別函式
2.3.2 近鄰法
2.3.3 勢函式法
2.3.4 SIMCA方法
2.4 聚類分析
2.4.1 模式相似度
2.4.2 聚類準則
2.4.3 層次聚類法
2.4.4 動態聚類法
2.4.5 決策樹分類器
2.5 統計模式識別在科學研究中的套用
第3章 人工神經網路及模式識別
3.1 人工神經網路的基本概念
3.1.1 人工神經元
3.1.2 傳遞函式
3.1.3 人工神經網路分類和特點
3.2 BP人工神經網路
3.2.1 BP人工神經網路學習算法
3.2.2 BP人工神經網路MATLAB實現
3.3 徑向基函式神經網路RBF
3.3.1 RBF的結構與學習算法
3.3.2 RBF的MATLAB實現
3.4 自組織競爭人工神經網路
3.4.1 自組織競爭人工神經網路的基本概念
3.4.2 自組織競爭神經網路的學習算法
3.4.3 自組織競爭網路的MATLAB實現
3.5 對向傳播神經網路CPN
3.5.1 CPN的基本概念
3.5.2 CPN網路的學習算法
3.6 反饋型神經網路Hopfield
3.6.1 Hopfield網路的基本概念
3.6.2 Hopfield網路的學習算法
3.6.3 Hopfield網路的MATLAB實現
3.7 人工神經網路技術在科學研究中的套用
第4章 模糊系統理論及模式識別
4.1 模糊系統理論基礎
4.1.1 模糊集合
4.1.2 模糊關係
4.1.3 模糊變換與模糊綜合評判
4.1.4 Ifthen規則
4.1.5 模糊推理
4.2 模糊模式識別的基本方法
4.2.1 最大隸屬度原則
4.2.2 擇近原則
4.2.3 模糊聚類分析
……
第5章 核函式方法及套用
第6章 支持向量機及其模式識別
第7章 可拓學及其模式識別
第8章 粗糙集理論及其模式識別
第9章 遺傳算法及模式識別
第10章 蟻群算法及其模式識別
第11章 粒子群算法及其模式識別
第12章 可視化模式識別技術
第13章 灰色系統方法及套用
第14章 模式識別的特徵及確定
參考文獻
