邊界元法及Matlab實現

《邊界元法及Matlab實現》是2017年電子工業出版社出版的圖書，作者是楊傑。

基本介紹

• 中文名：邊界元法及Matlab實現
• 作者：楊傑
• 類別：電腦程式設計類圖書
• 出版社：電子工業出版社
• 出版時間：2017年07月
• 定價：¥26.20
• 開本：16 開
• 裝幀：平裝
• ISBN：9787121321276

內容簡介

本書主要介紹模式識別的基礎知識、基本方法、程式實現和典型實踐套用。全書共9章。第1章介紹模式識別的基本概念、基礎知識；第2章介紹貝葉斯決策理論；第3章介紹機率密度函式的參數估計；第4章介紹非參數判別分類方法；第5章介紹聚類分析；第6章介紹特徵提取與選擇；第7章介紹模糊模式識別；第8章介紹神經網路在模式識別中的套用；第9章介紹模式識別的工程套用。每章的內容安排從問題背景引入，講述基本內容和方法，到實踐套用（通過MATLAB軟體編程）。本書內容系統，重點突出，做到理論、套用與實際編程緊密結合，理論與實例並重。本書還配套有《模式識別及MATLAB實現——學習與實驗指導》作為教材的補充，便於讀者學習和上機實驗；另配有電子課件，便於教師教學和學生自學。本書可作為高等院校電子信息工程、通信工程、計算機科學與技術、電子科學與技術、生物醫學工程、電氣工程及其自動化等相關專業本科生的教材，以及信息與通信工程、控制科學與工程、計算機科學與技術、生物醫學工程、光學工程和電子科學與技術等專業的研究生教材；也可作為從事小模式識別、人工智慧和計算機套用研究與開發的工程技術人員的參考書。

作者簡介

武漢理工大學博導，教授，湖北省通信學會常務理事。主要學術經歷：

教學：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。

科研：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。

主要在研項目：

多維信息融合及智慧型識別與預警研究，嵌入式系統的智慧型視頻識別開發研究，無源雷達關鍵技術研究及自動數字視頻跟蹤軟體系統開發等。

目 錄

第1章 緒論1

1.1 模式識別的基本概念1

1.1.1 生物的識別能力1

1.1.2 模式識別的概念2

1.1.3 模式識別的特點2

1.1.4 模式的描述方法及特徵空間4

1.2 模式識別系統的組成和主要方法5

1.2.1 模式識別系統的組成5

1.2.2 模式識別的方法7

1.3 模式識別的套用9

1.3.1 文字識別9

1.3.2 語音識別10

1.3.3 指紋識別10

1.3.4 遙感圖像識別11

1.3.5 醫學診斷11

1.4 全書內容簡介12

習題及思考題13

第2章 貝葉斯決策理論14

2.1 幾個重要的概念14

2.2 幾種常用的決策規則15

2.2.1 基於最小錯誤率的貝葉斯決策16

2.2.2 最小風險判別規則18

2.2.3 最大似然比判別規則20

2.2.4 Neyman-Pearson判別規則22

2.3 常態分配中的Bayes分類方法26

2.4 MATLAB程式實現33

習題及思考題37

第3章 機率密度函式的參數估計39

3.1 機率密度函式估計概述39

3.2 最大似然估計40

3.3 貝葉斯估計與貝葉斯學習42

3.4 非參數估計47

3.4.1 非參數估計的基本方法48

3.4.2 Parzen窗法50

3.4.3 -近鄰估計法54

3.5 MATLAB示例55

習題及思考題60

第4章 非參數判別分類方法62

4.1 線性分類器62

4.1.1 線性判別函式的基本概念62

4.1.2 多類問題中的線性判別函式64

4.1.3 廣義線性判別函式68

4.1.4 線性分類器的主要特性及設計步驟70

4.1.5 感知器算法74

4.1.6 Fisher線性判別函式79

4.2 非線性判別函式84

4.2.1 非線性判別函式與分段線性判別函式84

4.2.2 基於距離的分段線性判別函式85

4.3 支持向量機87

4.3.1 線性可分情況87

4.3.2 線性不可分情況89

4.4 MATLAB示例91

習題及思考題94

第5章 聚類分析95

5.1 模式相似性測度95

5.1.1 距離測度96

5.1.2 相似測度99

5.1.3 匹配測度100

5.2 類間距離測度方法102

5.2.1 最短距離法102

5.2.2 最長距離法102

5.2.3 中間距離法102

5.2.4 重心法103

5.2.5 平均距離法（類平均距離法）103

5.3 聚類準則函式105

5.3.1 誤差平方和準則105

5.3.2 加權平均平方距離和準則106

5.3.3 類間距離和準則107

5.3.4 離散度矩陣107

5.4 基於距離閾值的聚類算法108

5.4.1 最近鄰規則的聚類算法109

5.4.2 最大最小距離聚類算法109

5.5 動態聚類算法111

5.5.1 C-均值聚類算法111

5.5.2 ISODATA聚類算法115

5.6 MATLAB示例121

習題及思考題126

第6章 特徵提取與選擇128

6.1 類別可分性判據128

6.2 基於距離的可分性判據129

6.3 按機率距離判據的特徵提取方法131

6.4 基於熵函式的可分性判據134

6.5 基於Karhunen-Loeve變換的特徵提取135

6.5.1 Karhunen-Loeve變換135

6.5.2 使用K-L變換進行特徵提取138

6.6 特徵選擇141

6.6.1 次優搜尋法142

6.6.2 最優搜尋法143

6.7 MATLAB舉例145

習題及思考題147

第7章 模糊模式識別148

7.1 模糊數學的基礎知識148

7.1.1 集合及其特徵函式148

7.1.2 模糊集合149

7.1.3 模糊集合的 水平截集154

7.1.4 模糊關係及模糊矩陣155

7.2 模糊模式識別方法156

7.2.1 最大隸屬度識別法157

7.2.2 擇近原則識別法157

7.2.3 基於模糊等價關係的聚類方法159

7.2.4 模糊C-均值聚類161

7.3 MATLAB程式設計163

習題及思考題165

第8章 神經網路在模式識別中的套用167

8.1 人工神經網路的基礎知識167

8.1.1 人工神經網路的發展歷史167

8.1.2 生物神經元168

8.1.3 人工神經元168

8.1.4 人工神經網路的特點169

8.2 前饋神經網路169

8.2.1 感知器170

8.2.2 多層感知器171

8.3 自組織特徵映射網路173

8.3.1 網路結構173

8.3.2 網路的識別過程174

8.3.3 網路的學習過程174

8.4 徑向基函式（RBF）神經網路175

8.4.1 網路結構175

8.4.2 徑向基函式176

8.4.3 網路的學習過程176

8.5 深度學習177

8.5.1 深度學習介紹178

8.5.2 受限玻爾茲曼機178

8.5.3 深度置信網路180

8.5.4 卷積神經網路181

8.6 MATLAB舉例183

習題及思考題188

第9章 模式識別的工程套用190

9.1 基於BP神經網路的手寫數字識別190

9.1.1 整體方案設計190

9.1.2 字元圖像的特徵提取191

9.1.3 BP神經網路的設計195

9.1.4 BP神經網路的訓練197

9.1.5 BP神經網路的識別197

9.2 基於樸素貝葉斯的中文文本分類198

9.2.1 文本分類原理199

9.2.2 文本特徵提取199

9.2.3 樸素貝葉斯分類器設計201

9.2.4 測試文本分類202

9.3 基於PCA（主要成分分析）和SVM（支持向量機）的人臉識別205

9.3.1 人臉圖像獲取205

9.3.2 人臉圖像預處理206

9.3.3 人臉圖像特徵提取207

9.3.4 SVM分類器的設計和分類209

9.4 基於隱馬爾科夫模型的語音識別210

9.4.1 語音識別的原理210

9.4.2 語音採集211

9.4.3 語音信號的預處理212

9.4.4 MFCC特徵參數提取216

9.4.5 HMM模型訓練217

9.4.6 識別處理218

參考文獻219