模式識別與智能計算—MATLAB技術實現（第3版） ( 簡體 字) |
| 作者：楊淑瑩,張樺 | 類別：1. -> 工程繪圖與工程計算 -> Matlab |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 41297
詢問書籍請說出此書號！【缺書】
NT售價： 290 元 |
| 出版日：4/1/2015 |
| 頁數：376 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121257902 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：第3版前言
模式識別已經成為當代高科技研究的重要領域之一，它已發展成為一門獨立的新學科。模式識別技術迅速擴展，已經應用在人工智能、機器人、系統控制、遙感數據分析、生物醫學工程、軍事目標識別等領域，幾乎遍及各個學科領域，在國民經濟、國防建設、社會發展的各個方面得到廣泛應用，產生了深遠的影響。
第3版書以實用性、可操作性和實踐性為宗旨，精簡內容，去掉沒有實踐性代碼的理論內容，書中所述理論知識均提供實現步驟、示范性代碼及驗證實例的效果圖示，以達到理論與實踐相結合的目的。為使讀者更好地理解相關知識，敘述內容更加詳實，補充了概率神經網絡知識等新內容。同時，將群體智能的先進思想擴充到模式識別體系中，以一種新的體系，系統、全面地介紹了模式識別的理論、方法及應用。全書分為三部分（共14章）。第一部分基礎篇，內容包括模式識別的基本概念，特征的選擇與提取，模式相似性測度。這一部分介紹模式識別的基本概念和基本方法。第二部分分類器設計篇，內容包括：貝葉斯(Bayes)分類器設計，判別函數設計，神經網絡分類器設計，決策樹分類器設計，粗糙集分類器設計。這一部分利用手寫數字分類識別的具體實例把模式識別方法結合起來，為廣大研究工作者和工程技術人員對相關理論的應用起到借鑒作用。第三部分聚類分析，內容包括基本聚類算法，模擬退火聚類分析，模糊聚類分析，禁忌搜索算法聚類分析，遺傳算法聚類分析，群體智能聚類算法（蟻群算法聚類分析,粒子算法群聚類分析）。這一部分采用一幅含有需要聚類分析的圖像形象生動地說明各種聚類算法。
國內外論述模式識別技術的書籍不少，但由于這一領域涉及深奧的數學理論，往往使實際工作者感到困難，而大部分書是羅列模式識別的各種算法，見不到算法的實際效果和各種算法對比的結果，而這正是學習者和實際工作者所需要了解和掌握的內容。目前還確實缺少一本關于模式識別技術在實際應用方面具有系統性、可比性和實用性的參考書。
本書特點如下：
1杄 選用新技術。除了介紹許多重要經典的內容以外，書中還包括了最近十幾年來才剛剛發展起來的并被實踐證明有用的新技術、新理論，比如支持向量機、BP神經網絡、RBF神經網絡、PNN神經網絡、CPN神經網絡、SORNN神經網絡、決策樹、粗糙集理論、模糊集理論、模擬退火、遺傳算法、蟻群算法、 粒子群算法等，并將這些新技術應用于模式識別當中，提供這些新技術的實現方法和源代碼。
2杄 實用性強。針對實例介紹理論和技術，使理論和實踐相結合，避免了空洞的理論說教。書中實例取材于手寫數字模式識別，對于數字識別屬于多類問題，在實際應用中具有廣泛的代表性，讀者對程序稍加改進，就可以應用到不同的場合，如文字識別、字符識別、圖形識別等。
3杄 編排合理，符合認知規律。針對每一種模式識別技術，書中分為理論基礎、實現步驟、編程代碼三部分。在掌握了基本理論之后，按照實現步驟的指導，可以了解算法的實現思路和方法，再進一步體會短小精悍的核心代碼，學習者可以很快掌握模式識別技術，經過應用本書提供的實例程序，立刻會見到算法的實際效果。書中所有算法都用Matlab編程實現，便于讀者學習和應用。
本書內容基本涵蓋了目前“模式識別”重要的理論和方法，但并沒有簡單地將各種理論方法堆砌起來，而是將作者自身的研究成果和實踐經驗傳授給讀者，在介紹各種理論和方法時，將不同算法應用于實際中，內容包括需要應用模式識別技術解決的問題，模式識別理論的講解和推理，將理論轉化為編程的步驟，計算機能夠運行的源代碼，計算機運行模式識別算法程序后的效果，以及不同算法應用于同一個問題的效果對比。使讀者面對如此豐富的理論和方法不至于無所適從，而是有所學就會有所用。
由于至今還沒有統一的、有效的可應用于所有的模式識別的理論，當前的一種普遍看法是，不存在對所有的模式識別問題都適用的單一模型和解決識別問題的單一技術，我們所要做的是把模式識別方法與具體問題結合起來，把模式識別與統計學、神經網絡、數據挖掘、機器學習、人工智能、群智能計算等學科的先進思想和理論結合起來，為讀者提供一個多種理論的測試平臺，并在此基礎上，深入掌握各種理論的效能和應用的可能性，互相取長補短，開創模式識別應用的新局面。
本書可作為高等院校計算機工程、信息工程、生物醫學工程、智能機器人學、工業自動化、模式識別等學科研究生、本科生的教材或教學參考書，也可供有關工程技術人員參考。
參加本書編寫的還有祁穩杰、申婷婷、葉誠、谷林、陳品、郭俊、姜嬌嬌、祁家家、楊依壽、馬振洋、鄧飛、陶先貴等，他們在作者指導下的研究工作中付出了辛苦的勞動，取得了有益的研究成果，正是在他們的努力下本書得以順利完成，在此表示衷心的感謝。同時，對張樺教授、徐伯夏研究員、李蘭友教授給予的幫助和支持表示衷心的感謝。本書的出版得到天津理工大學出版基金的資助。由于編者業務水平和實踐經驗有限，書中缺點與錯誤在所難免，歡迎讀者予以指正！
作者將不辜負廣大讀者的期望，努力工作，不斷充實新的內容。為方便廣大讀者，提供了技術支持電子郵箱：ysying1262@126杄com。讀者可通過該郵箱及時與作者取得聯系，獲得技術支持。
著者 |
內容簡介：本書廣泛吸取統計學、神經網絡、數據挖掘、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、全面地介紹模式識別的理論、方法及應用。全書分為14章，內容包括：模式識別概述，特征的選擇與優化，模式相似性測度，基于概率統計的貝葉斯分類器設計，判別函數分類器設計，神經網絡分類器設計（BP神經網絡、徑向基函數神經網絡、自組織競爭神經網絡、概率神經網絡、對向傳播神經網絡、反饋型神經網絡），決策樹分類器設計，粗糙集分類器設計，聚類分析，模糊聚類分析，禁忌搜索算法聚類分析，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，以手寫數字識別為應用實例，介紹理論運用于實踐的實現步驟及相應的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。 |
目錄：第1章模式識別概述
1杄1模式識別的基本概念
1杄2模式識別的基本方法
1杄3統計模式識別
1杄3杄1統計模式識別研究的主要問題
1杄3杄2統計模式識別方法簡介
1杄4分類分析
1杄4杄1分類器設計
1杄4杄2判別函數
1杄4杄3分類器的選擇
1杄4杄4訓練與學習
1杄5聚類分析
1杄5杄1聚類的設計
1杄5杄2基于試探法的聚類設計
1杄5杄3基于群體智能優化算法的聚類設計
1杄6模式識別的應用
本章小結
習題1
第2章特征的選擇與優化
2杄1特征空間優化設計問題
2杄2樣本特征庫初步分析
2杄3樣品篩選處理
2杄4特征篩選處理
2杄5特征評估
2杄6基于主成分分析的特征提取
2杄7特征空間描述與分析
2杄7杄1特征空間描述
2杄7杄2特征空間分布分析
2杄8手寫數字特征提取與分析
2杄8杄1手寫數字特征提取
2杄8杄2手寫數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杄1模式相似性測度的基本概念
3杄2距離測度分類法
3杄2杄1模板匹配法
3杄2杄2基于PCA的模板匹配法
3杄2杄3基于類中心的歐式距離法分類
3杄2杄4馬氏距離分類
3杄2杄5夾角余弦距離分類
3杄2杄6二值化的夾角余弦距離法分類
3杄2杄7二值化的Tanimoto測度分類
本章小結
習題3
第4章基于概率統計的貝葉斯分類器設計
4杄1貝葉斯決策的基本概念
4杄1杄1貝葉斯決策所討論的問題
4杄1杄2貝葉斯公式
4杄2基于最小錯誤率的貝葉斯決策
4杄3基于最小風險的貝葉斯決策
4杄4貝葉斯決策比較
4杄5基于二值數據的貝葉斯分類實現
4杄6基于最小錯誤率的貝葉斯分類實現
4杄7基于最小風險的貝葉斯分類實現
本章小結
習題4
第5章判別函數分類器設計
5杄1判別函數的基本概念
5杄2線性判別函數
5杄3線性判別函數的實現
5杄4感知器算法
5杄5增量校正算法
5杄6LMSE驗證可分性
5杄7LMSE分類算法
5杄8Fisher分類
5杄9基于核的Fisher分類
5杄10勢函數法
5杄11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杄1人工神經網絡的基本原理
6杄1杄1人工神經元
6杄1杄2人工神經網絡模型
6杄1杄3神經網絡的學習過程
6杄1杄4人工神經網絡在模式識別問題上的優勢
6杄2BP神經網絡
6杄2杄1BP神經網絡的基本概念
6杄2杄2BP神經網絡分類器設計
6杄3徑向基函數神經網絡(RBF)
6杄3杄1徑向基函數神經網絡的基本概念
6杄3杄2徑向基函數神經網絡分類器設計
6杄4自組織競爭神經網絡
6杄4杄1自組織競爭神經網絡的基本概念
6杄4杄2自組織競爭神經網絡分類器設計
6杄5概率神經網絡(PNN)
6杄5杄1概率神經網絡的基本概念
6杄5杄2概率神經網絡分類器設計
6杄6對向傳播神經網絡(CPN)
6杄6杄1對向傳播神經網絡的基本概念
6杄6杄2對向傳播神經網絡分類器設計
6杄7反饋型神經網絡(Hopfield)
6杄7杄1Hopfield網絡的基本概念
6杄7杄2Hopfield神經網絡分類器設計
本章小結
習題6
第7章決策樹分類器設計
7杄1決策樹的基本概念
7杄2決策樹分類器設計
本章小結
習題7
第8章粗糙集分類器設計
8杄1粗糙集理論的基本概念
8杄2粗糙集在模式識別中的應用
8杄3粗糙集分類器設計
本章小結
習題8
第9章聚類分析
9杄1聚類的設計
9杄2基于試探的未知類別聚類算法
9杄2杄1最臨近規則的試探法
9杄2杄2最大最小距離算法
9杄3層次聚類算法
9杄3杄1最短距離法
9杄3杄2最長距離法
9杄3杄3中間距離法
9杄3杄4重心法
9杄3杄5類平均距離法
9杄4動態聚類算法
9杄4杄1K均值算法
9杄4杄2迭代自組織的數據分析算法（ISODATA）
9杄5模擬退火聚類算法
9杄5杄1模擬退火的基本概念
9杄5杄2基于模擬退火思想的改進K均值聚類算法
本章小結
習題9
第10章模糊聚類分析
10杄1模糊集的基本概念
10杄２模糊集運算
10杄２杄1模糊子集運算
10杄２杄2模糊集運算性質
10杄３模糊關系
10杄4模糊集在模式識別中的應用
10杄5基于模糊的聚類分析
本章小結
習題10
第11章禁忌搜索算法聚類分析
11杄1禁忌搜索算法的基本原理
11杄2禁忌搜索的關鍵參數和相關操作
11杄3基于禁忌搜索算法的聚類分析
本章小結
習題11
第12章遺傳算法聚類分析
12杄1遺傳算法的基本原理
12杄2遺傳算法的構成要素
12杄2杄1染色體的編碼
12杄2杄2適應度函數
12杄2杄3遺傳算子
12杄3控制參數的選擇
12杄４基于遺傳算法的聚類分析
本章小結
習題12
第13章蟻群算法聚類分析
13杄1蟻群算法的基本原理
13杄2聚類數目已知的蟻群聚類算法
13杄3聚類數目未知的蟻群聚類算法
本章小結
習題13
第14章粒子群算法聚類分析
14杄1粒子群算法的基本原理
14杄2基于粒子群算法的聚類分析
本章小結
習題14
參考文獻 |
| 序： |
