扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
模式识别与智能计算-MATLAB技术实现-(第3版) 版权信息
- ISBN：9787121257902
- 条形码：9787121257902 ; 978-7-121-25790-2
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
模式识别与智能计算-MATLAB技术实现-(第3版) 本书特色
本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书分为14章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（bp神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器设计，粗糙集分类器设计，聚类分析，模糊聚类分析，禁忌搜索算法聚类分析，遗传算法聚类分析,蚁群算法聚类分析,粒子群算法聚类分析。 本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。
模式识别与智能计算-MATLAB技术实现-(第3版) 内容简介
本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书分为14章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器设计，粗糙集分类器设计，聚类分析，模糊聚类分析，禁忌搜索算法聚类分析，遗传算法聚类分析,蚁群算法聚类分析,粒子群算法聚类分析。 本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。
模式识别与智能计算-MATLAB技术实现-(第3版) 目录
第1章 模式识别概述
1.1模式识别的基本概念
1.2模式识别的基本方法
1.3统计模式识别
1.3.1统计模式识别研究的主要问题
1.3.2统计模式识别方法简介
1.4分类分析
1.4.1分类器设计
1.4.2判别函数
1.4.3分类器的选择
1.4.4训练与学习
1.5聚类分析
1.5.1聚类的设计
1.5.2基于试探法的聚类设计
1.5.3基于群体智能优化算法的聚类设计
1.6模式识别的应用
本章 小结
习题1
第2章 特征的选择与优化
2.1特征空间优化设计问题
2.2样本特征库初步分析
2.3样品筛选处理
2.4特征筛选处理
2.5特征评估
2.6基于主成分分析的特征提取
2.7特征空间描述与分析
2.7.1特征空间描述
2.7.2特征空间分布分析
2.8手写数字特征提取与分析
2.8.1手写数字特征提取
2.8.2手写数字特征空间分布分析
本章 小结
习题2
第3章 模式相似性测度
3.1模式相似性测度的基本概念
3.2距离测度分类法
3.2.1模板匹配法
3.2.2基于pca的模板匹配法
3.2.3基于类中心的欧式距离法分类
3.2.4马氏距离分类
3.2.5夹角余弦距离分类
3.2.6二值化的夹角余弦距离法分类
3.2.7二值化的tanimoto测度分类
本章 小结
习题3
第4章 基于概率统计的贝叶斯分类器设计
4.1贝叶斯决策的基本概念
4.1.1贝叶斯决策所讨论的问题
4.1.2贝叶斯公式
4.2基于*小错误率的贝叶斯决策
4.3基于*小风险的贝叶斯决策
4.4贝叶斯决策比较
4.5基于二值数据的贝叶斯分类实现
4.6基于*小错误率的贝叶斯分类实现
4.7基于*小风险的贝叶斯分类实现
本章 小结
习题4
第5章 判别函数分类器设计
5.1判别函数的基本概念
5.2线性判别函数
5.3线性判别函数的实现
5.4感知器算法
5.5增量校正算法
5.6lmse验证可分性
5.7lmse分类算法
5.8fisher分类
5.9基于核的fisher分类
5.10势函数法
5.11支持向量机
本章 小结
习题5
第6章 神经网络分类器设计
6.1人工神经网络的基本原理
6.1.1人工神经元
6.1.2人工神经网络模型
6.1.3神经网络的学习过程
6.1.4人工神经网络在模式识别问题上的优势
6.2bp神经网络
6.2.1bp神经网络的基本概念
6.2.2bp神经网络分类器设计
6.3径向基函数神经网络(rbf)
6.3.1径向基函数神经网络的基本概念
6.3.2径向基函数神经网络分类器设计
6.4自组织竞争神经网络
6.4.1自组织竞争神经网络的基本概念
6.4.2自组织竞争神经网络分类器设计
6.5概率神经网络(pnn)
6.5.1概率神经网络的基本概念
6.5.2概率神经网络分类器设计
6.6对向传播神经网络(cpn)
6.6.1对向传播神经网络的基本概念
6.6.2对向传播神经网络分类器设计
6.7反馈型神经网络(hopfield)
6.7.1hopfield网络的基本概念
6.7.2hopfield神经网络分类器设计
本章 小结
习题6
第7章 决策树分类器设计
7.1决策树的基本概念
7.2决策树分类器设计
本章 小结
习题7
第8章 粗糙集分类器设计
8.1粗糙集理论的基本概念
8.2粗糙集在模式识别中的应用
8.3粗糙集分类器设计
本章 小结
习题8
第9章 聚类分析
9.1聚类的设计
9.2基于试探的未知类别聚类算法
9.2.1*临近规则的试探法
9.2.2*大*小距离算法
9.3层次聚类算法
9.3.1*短距离法
9.3.2*长距离法
9.3.3中间距离法
9.3.4重心法
9.3.5类平均距离法
9.4动态聚类算法
9.4.1k均值算法
9.4.2迭代自组织的数据分析算法（isodata）
9.5模拟退火聚类算法
9.5.1模拟退火的基本概念
9.5.2基于模拟退火思想的改进k均值聚类算法
本章 小结
习题9
第10章 模糊聚类分析
10.1模糊集的基本概念
10.２模糊集运算
10.２.1模糊子集运算
10.２.2模糊集运算性质
10.３模糊关系
10.4模糊集在模式识别中的应用
10.5基于模糊的聚类分析
本章 小结
习题10
第11章 禁忌搜索算法聚类分析
11.1禁忌搜索算法的基本原理
11.2禁忌搜索的关键参数和相关操作
11.3基于禁忌搜索算法的聚类分析
本章 小结
习题11
第12章 遗传算法聚类分析
12.1遗传算法的基本原理
12.2遗传算法的构成要素
12.2.1染色体的编码
12.2.2适应度函数
12.2.3遗传算子
12.3控制参数的选择
12.４基于遗传算法的聚类分析
本章 小结
习题12
第13章 蚁群算法聚类分析
13.1蚁群算法的基本原理
13.2聚类数目已知的蚁群聚类算法
13.3聚类数目未知的蚁群聚类算法
本章 小结
习题13
第14章 粒子群算法聚类分析
14.1粒子群算法的基本原理
14.2基于粒子群算法的聚类分析
本章 小结
习题14
参考文献
展开全部
模式识别与智能计算-MATLAB技术实现-(第3版) 作者简介
杨淑莹，天津理工大学计算机系教授，天津大学电子信息学院博士，发表相关的论文近20篇，其中四篇被EI检索。出版的多本著作被清华大学等多所大学选为研究生或本科生教材。出版方向：计算机视觉，模式识别，图像处理及应用，计算机控制和机器人视觉控制。
书友推荐
- >
朝闻道
朝闻道
¥10.2¥23.8 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥6.3¥14.0 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥16.4¥49.8 - >
巴金－再思录
巴金－再思录
¥33.1¥46.0 - >
月亮与六便士
月亮与六便士
¥13.4¥42.0 - >
诗经-先民的歌唱
诗经-先民的歌唱
¥15.1¥39.8 - >
二体千字文
二体千字文
¥16.0¥40.0 - >
中国人在乌苏里边疆区:历史与人类学概述
中国人在乌苏里边疆区:历史与人类学概述
¥24.0¥48.0
本类畅销
-
深度学习自然语言处理实战
¥25.8¥59.9 -
过程控制
¥11.9¥35 -
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6
