模式識別

定　價：￥29.80

作　者：	宋麗梅，羅菁編
出版社：	機(jī)械工業(yè)出版社
叢編項：	21世紀(jì)高等院校自動化專業(yè)系列教材
標(biāo)　簽：	工學(xué) 教材研究生/本科/專科教材

購買這本書可以去

ISBN：	9787111505778	出版時間：	2015-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	175	字?jǐn)?shù)：

內(nèi)容簡介

　　《模式識別》共分為8章。第一章為緒論，主要介紹了模式識別的概念，系統(tǒng)組成及常用方法。第二章～第五章主要介紹了統(tǒng)計模式識別的方法，有特征聚類，貝葉斯分類，fish線性判別以及近鄰法。第六章講述了幾種人工神經(jīng)網(wǎng)絡(luò)方法，第七章詳細(xì)介紹了一個三維識別的案例。

作者簡介

　　宋麗梅，教學(xué)成果： 2012年獲得香港桑麻獎教金。科研成果： 2011年天津市科技進(jìn)步三等獎（排名第一）； 2013年天津市科技進(jìn)步三等獎（排名第一）；天津市“131”二層次人才；天津市高校“中青年骨干創(chuàng)新人才培養(yǎng)計劃”。主持完成的科研項目如下：國家自然科學(xué)基金面上項目，61078041，基于視覺的織物疵點(diǎn)三維檢測和三維識別原理研究，2011/01－2013/12，26萬元，已結(jié)題，主持。國家自然科學(xué)基金，60808020，單目高精度大型物體彩色三維數(shù)字化測量原理研究，2009/01－2011/12，20萬元，已結(jié)題，主持，該項目獲得2013年天津市科技進(jìn)步三等獎，本人排名第一。四川省杰出青年基金，07ZQ026-015，高精度便攜式三維全局坐標(biāo)測量系統(tǒng)，2007/01－2009/12，12萬元，已結(jié)題，主持。天津市中小企業(yè)創(chuàng)新基金，12ZXCXGX11800，基于BCCSL和SFMS的三維在線光學(xué)檢測系統(tǒng)，2012/01-2013/03，15萬元，已結(jié)題，主持。天津市應(yīng)用基礎(chǔ)及前沿技術(shù)研究計劃，10JCYBJC07200，雙目SFS彩色三維織物疵點(diǎn)在線檢測原理研究，2010/04－2013/03，10萬元，已結(jié)題，主持。國家中小企業(yè)創(chuàng)新基金，06C26215100466，SFS三維重建及微小間隙精確測量的工業(yè)CT軟件系統(tǒng)，2006/01-2008/01，55萬元，已結(jié)題，參與，該項目獲得2008年綿陽市科技進(jìn)步三等獎，本人排名第二。國家中小企業(yè)創(chuàng)新基金，06C26225100462，基于單幅照片進(jìn)行三維形貌恢復(fù)的軟件系統(tǒng)， 2006/01-2008/01，20萬元，已結(jié)題，參與。

圖書目錄

、第1章緒論
1.1模式識別基本概念
1.1.1模式和模式識別
1.1.2模式識別系統(tǒng)組成
1.2 特征描述
1.3 模式識別方法
1.3.1 統(tǒng)計法
1.3.2 聚類法
1.3.3 神經(jīng)網(wǎng)絡(luò)法
1.3.4 人工智能法
1.4模式識別工程設(shè)計
1.4.1 工程任務(wù)
1.4.2 訓(xùn)練集和測試集選擇
1.4.3 模式識別軟件
習(xí)題
第2章特征聚類
2.1 聚類的概念
2.1.1特征聚類的基本思想
2.1.2聚類的算法
2.2 數(shù)據(jù)的降維（PCA）
2.2.1 PCA基本概念
2.2.2 PCA原理
2.2.3 PCA的一般步驟
2.2.4數(shù)據(jù)的降維實例
2.3 模式相似性測度
2.3.1距離測度
2.3.2相似測度
2.3.3匹配測度
2.4 K-均值聚類
2.4.1 K-均值聚類算法簡介
2.4.2算法原理
2.4.3K均值算法的一般步驟
2.4.4 K-均值聚類實例
2.5本章小結(jié)
習(xí)題
第3章貝葉斯分類
3.1 貝葉斯準(zhǔn)則
3.1基于最小錯誤率的貝葉斯準(zhǔn)則
3.2基于最小風(fēng)險的貝葉斯準(zhǔn)則
3.3最大最小決策規(guī)則
3.4紐曼—皮爾遜（Neyman—Pearson）決策規(guī)則
3.5 貝葉斯學(xué)習(xí)估計案例（手寫字符）
習(xí)題
第4章Fisher線性判別
4.1 判別域界面方程分類的概念
4.2線性判別函數(shù)
4.2.1 兩類問題
4.2.2 多類問題
4.3 判別函數(shù)數(shù)值的鑒別意義、權(quán)空間及解空間
4.3.1 判別函數(shù)值的大小、正負(fù)的數(shù)學(xué)意義
4.3.2 權(quán)空間、解矢量與解空間
4.4 Fisher線性判別
習(xí)題
第5章近鄰法
5.1 最近鄰法
5.1.1最近鄰決策規(guī)則
5.1.2最近鄰法的錯誤率分析
5.2最近鄰法程序舉例
5.3 K近鄰法
5.3.1 K近鄰法原理及錯誤率分析
5.3.2 K近鄰法程序舉例
5.4剪輯近鄰法
5.4.1剪輯近鄰法
5.4.2剪輯k-NN近鄰法
5.4.3剪輯近鄰法的一般流程
5.5本章小結(jié)
習(xí)題
第6章 BP神經(jīng)網(wǎng)絡(luò)及案例
6.1 BP神經(jīng)網(wǎng)絡(luò)基本原理
6.2 網(wǎng)絡(luò)各層節(jié)點(diǎn)數(shù)的確定
6.3 網(wǎng)絡(luò)各層間激活函數(shù)的確定
6.4 LM算法
6.5基于BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷
6.5.1變壓器常見故障類型
6.5.2 網(wǎng)絡(luò)的訓(xùn)練與仿真
6.6本章小結(jié)
習(xí)題
第7章模式識別案例分析
7.1電池表面劃痕識別案例
7.1.1電池圖像邊緣提取
7.1.2基于有效邊緣點(diǎn)和Hough變換的電池圓心提取方法
7.1.3 基于NMI特征和邊緣特征電池圖像配準(zhǔn)算法
7.1.4 劃痕提取方法
7.2人臉識別案例
7.2.1 ORL人臉數(shù)據(jù)庫簡介
7.2.2 基于PCA的人臉圖像的特征提取
7.2.3 k-近鄰算法
7.2.4 BP神經(jīng)網(wǎng)絡(luò)法
7.2.5基于BP神經(jīng)網(wǎng)絡(luò)法和k-近鄰法的綜合決策分類
7.2.6實驗的結(jié)果
7.2.7簡單實例
7.3 SIFT算法提取特征點(diǎn)及特征點(diǎn)的匹配
7.3.1高斯尺度空間的極值檢測
7.3.2特征點(diǎn)位置的確定
7.3.3特征點(diǎn)方向的確定
7.3.4特征點(diǎn)描述子生成
7.3.5 SIFT特征向量的匹配
7.3.6實現(xiàn)運(yùn)動姿態(tài)的解算
7.4氣泡識別案例
7.4.1 兩相流高速圖像采集
7.4.2 兩相流圖像紋理特征的提取
7.4.3 紋理特征的Lempel-Ziv復(fù)雜度分析
7.4.4 基于SVM的氣液兩相流型識別
7.5三維識別案例
7.5.1 三維模型中特征點(diǎn)的定義
7.5.2 特征提取方法
7.5.3 三維識別方法
7.6本章小結(jié)
習(xí)題
參考文獻(xiàn)