模式識別與智能計算：Matlab技術實現(xiàn)

定　價：￥48.00

作　者：	楊淑瑩著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	人工智能

購買這本書可以去

ISBN：	9787121054532	出版時間：	2008-01-01	包裝：	平裝
開本：	16	頁數(shù)：	350	字數(shù)：

內容簡介

　　本書廣泛吸取統(tǒng)計學、神經網絡、數(shù)據(jù)挖掘、機器學習、人工智能、群智能計算等學科的先進思想和理論，將其應用到模式識別領域中；以一種新的體系，系統(tǒng)、全面地介紹模式識別的理論、方法及應用。全書共分為13章，內容包括：模式識別概述，特征的選擇與提取，模式相似性測度，貝葉斯分類器設計，判別函數(shù)分類器設計，神經網絡分類器設計（BP神經網絡、徑向基函數(shù)沖經網絡、自組織競爭神經網絡、慨率神經網絡、對向傳播神經網絡、反饋型神經網絡），決策樹分類器，粗糙集分類器，聚類分析，模糊聚類分析，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，理論與實際應用密切結合，以手寫數(shù)字識別為應用實例，介紹理論運用于實踐的實現(xiàn)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應用提供借鑒。本書可作為高等院校計算機工程、信息工程、生物醫(yī)學工程、智能機器人學、工業(yè)自動化、模式識別等學科本科生、研究生的教材或教學參考書，亦可供相關工程技術人員參考。附光盤

作者簡介

暫缺《模式識別與智能計算：Matlab技術實現(xiàn)》作者簡介

圖書目錄

第1章模式識別概述
1.1 模式識別的基本慨念
1.2 特征空間優(yōu)化設計問題
1.3 分類器設計
1.3.1 分類器設計基本方法
1.3.2 判別函數(shù)
1.3.3 分類器的選擇
1.3.4 訓練與學習
1.4 聚類設計
1.5 模式識別的應用
本章小結
習題1
第2章特征的選擇與提取
2.1 樣本特征庫初步分析
2.2 樣品篩選處理
2.3 特征篩選處理
2.3.1 特征相關分析
2.3.2 特征選擇及搜索算法
2.4 特征評估
2.5 基于主成分分析的特征提取
2.6 特征空間描述與分析
2.6.1 特征空間描述
2.6.2 特征空間分布分析
2.7 手寫數(shù)字特征提取與分析
2.7.1 手寫數(shù)字特征提取
2.7.2 手寫數(shù)字特征空間分布分析
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 基于PCA的模板匹配法
3.2.3 基于類中心的歐式距離法分類
3.2.4 馬氏距離分類
3.2.5 夾角余弦距離分類
3.2.6 二值化的夾角余弦距離法分類
3.2.7 二值化的Tanimoto測度分類
本章小結
習題3
第4章基于概率統(tǒng)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 基于最小錯誤率的貝葉斯決策
4.3 基于最小風險的貝葉斯決策
4.4 貝葉斯決策比較
4.5 基于二值數(shù)據(jù)的貝葉斯分類實現(xiàn)
4.6 基于最小錯誤率的貝葉斯分類實現(xiàn)
4.7 基于最小風險的貝葉斯分類實瑚
本章小結
習題4
第5章判別函數(shù)分類器設計
5.1 判別函數(shù)的基本概念
5.2 線性判別函數(shù)
5.3 線性判別函數(shù)的實現(xiàn)
5.4 感知器算法
5.5 增量校正算法
5.6 LMSE驗證可分性
5.7 LMSE分類算法
5.8 Fishe-r分類
5.9 基于核的Fisher分類
5.10 線性分類器實現(xiàn)分類的局限
5.11 非線性判別函數(shù)
5.12 分段線性判別函數(shù)
5.13 勢函數(shù)法
5.14 支持向量機
本章小結
習題5
第6章神經網絡分類器設計
6.1 人工神經網絡的基本原理
6.1.1 人工神經元
……
第7章決策樹分類器
第8章粗糙集分類器
第9章聚類分析
第10章模糊聚類分析
第11章遺傳算法聚類分析
第12章蟻群算法聚類分析
第13章粒子群算法聚類分析
參考文獻