 |
-- 會員 / 註冊 --
|
 |
|
|
|
模式識別與智能計算的MATLAB實現(第2版) ( 簡體 字) |
| 作者：許國根 賈瑛 韓啟龍 | 類別：1. -> 工程繪圖與工程計算 -> Matlab |
| 譯者： |
| 出版社：北京航空航天大學出版社 |  3dWoo書號： 47370
詢問書籍請說出此書號！【有庫存】
NT售價： 245 元 |
| 出版日：7/1/2017 |
| 頁數：368 |
| 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：9787512424005 |
| 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： |
內容簡介：
??各?科?据信息的特?以及科?工作者?信息?理和?据挖掘技?的要求,本?既介?了模式??和智能?算的基?知?,又????地介?了?代模式??和智能?算在科?研究中的?用方法和各算法的MATLAB源程序。本?可以?助?大的科?工作者掌握模式??和智能?算方法,并?用于??的研究中,提高?海量?据信息的?理及挖掘能力,??性和?用性?,具有?高的理?和?用价值。
本?可作?高等院校?算机工程、信息工程、生物??工程、智能机器人、工?自?化、地?、水利、化?和?境等??研究生、本科生的教材或教??考?,亦可供有?工程技?人??考。
|
目錄：第1章 緒 論………… 1
1.1 模式識別的基本概念………… 1
1.1.1 模式與模式識別的概念……… 1
1.1.2 模式的特徵………… 1
1.1.3 模式識別系統……… 2
1.2 模式識別的主要方法………… 2
1.3 模式識別的主要研究內容………… 3
1.4 模式識別在科學研究中的應用………… 3
1.4.1 化合物的構效分析……… 3
1.4.2 譜圖解析…………… 4
1.4.3 材料研究…………… 4
1.4.4 催化劑研究………… 5
1.4.5 機械故障診斷與監測………… 5
1.4.6 化學物質源產地判斷………… 6
1.4.7 疾病的診斷與預測……… 6
1.4.8 礦藏勘探…………… 7
1.4.9 考古及食品工業中的應用………… 7
第2章 統計模式識別技術……… 8
2.1 基於概率統計的貝葉斯分類方法……… 8
2.1.1 最小錯誤率貝葉斯分類……… 9
2.1.2 最小風險率貝葉斯分類……… 10
2.2 線性分類器………… 12
2.2.1 線性判別函數……… 12
2.2.2Fisher線性判別函數………… 13
2.2.3 感知器演算法………… 14
2.3 非線性分類器…………… 315
2.3.1 分段線性判別函數……… 15
2.3.2 近鄰法………… 17
2.3.3 勢函數法…………… 19
2.3.4SIMCA 方法……… 20
2.4 聚類分析…………… 22
2.4.1 模式相似度………… 22
2.4.2 聚類準則…………… 24
2.4.3 層次聚類法………… 25
2.4.4 動態聚類法………… 25
2.4.5 決策樹分類器……… 28
2.5 統計模式識別在科學研究中的應用………… 29
第3章 人工神經網路及模式識別……… 43
3.1 人工神經網路的基本概念………… 43
3.1.1 人工神經元………… 43
3.1.2 傳遞函數…………… 43
3.1.3 人工神經網路分類和特點………… 44
3.2 BP人工神經網路……… 44
3.2.1BP人工神經網路學習演算法……… 44
3.2.2BP人工神經網路MATLAB實現…… 46
3.3 徑向基函數神經網路RBF ……… 47
3.3.1RBF的結構與學習演算法……… 47
3.3.2RBF的MATLAB實現……… 48
3.4 自組織競爭人工神經網路………… 48
3.4.1 自組織競爭人工神經網路的基本概念……… 48
3.4.2 自組織競爭神經網路的學習演算法……… 49
3.4.3 自組織競爭網路的MATLAB實現…… 49
3.5 對向傳播神經網路CPN ………… 50
3.5.1CPN 的基本概念……… 50
3.5.2CPN 網路的學習演算法……… 50
3.6 回饋型神經網路Hopfield ……… 51
3.6.1Hopfield網路的基本概念………… 51
3.6.2Hopfield網路的學習演算法………… 52
3.6.3Hopfield網路的MATLAB實現……… 53
3.7 人工神經網路技術在科學研究中的應用…… 53
第4章 模糊系統理論及模式識別……… 72
4.1 模糊系統理論基礎……… 72
4.1.1 模糊集合…………… 72
4.1.2 模糊關係…………… 75
4.1.3 模糊變換與模糊綜合評判………… 77
4.1.4If…then規則……… 78
4.1.5 模糊推理…………… 78
4.2 模糊模式識別的基本方法………… 79
4.2.1 最大隸屬度原則………… 79
4.2.2 擇近原則…………… 79
4.2.3 模糊聚類分析……… 81
4.3 模糊神經網路…………… 85
4.3.1 模糊神經網路……… 85
4.3.2 模糊BP神經網路……… 86
4.4 模糊邏輯系統及其在科學研究中的應用…… 86
第5章 核函數方法及應用………… 107
5.1 核函數方法…………… 107
5.2 基於核的主成分分析方法……… 108
5.2.1 主成分分析……… 108
5.2.2 基於核的主成分分析……… 110
5.3 基於核的Fisher判別方法……… 112
5.3.1Fisher判別方法……… 112
5.3.2 基於核的Fisher判別方法分析……… 113
5.4 基於核的投影尋蹤方法………… 114
5.4.1 投影尋蹤分析………… 114
5.4.2 基於核的投影尋蹤分析………… 118
5.5 核函數方法在科學研究中的應用………… 119
第6章 支援向量機及其模式識別……… 130
6.1 統計學習理論基本內容………… 130
6.2 支持向量機…………… 131
6.2.1 最優分類面……… 131
6.2.2 支援向量機模型……… 132
6.3 支援向量機在模式識別中的應用………… 134
第7章 可拓學及其模式識別……… 142
7.1 可拓學概論…………… 142
7.1.1 可拓工程基本思想………… 142
7.1.2 可拓工程使用的基本工具……… 143
7.2 可拓集合………… 145
7.2.1 可拓集合含義………… 145
7.2.2 物元可拓集合………… 146
7.3 可拓聚類預測的物元模型……… 3146
7.4 可拓學在科學研究中的應用………… 147
第8章 粗糙集理論及其模式識別……… 154
8.1 粗糙集理論基礎……… 154
8.1.1 分類規則的形成……… 156
8.1.2 知識的約簡……… 157
8.2 粗糙神經網路………… 158
8.3 系統評估粗糙集方法……… 158
8.3.1 模型結構………… 159
8.3.2 綜合評估方法………… 159
8.4 粗糙集聚類方法……… 160
8.5 粗糙集理論在科學研究中的應用………… 161
第9章 遺傳演算法及其模式識別………… 170
9.1 遺傳演算法的基本原理……… 170
9.2 遺傳演算法分析………… 173
9.2.1 染色體的編碼………… 173
9.2.2 適應度函數……… 174
9.2.3 遺傳運算元…………175
9.3 控制參數的選擇……… 177
9.4 類比退火演算法………… 178
9.4.1 模擬退火的基本概念……… 178
9.4.2 類比退火演算法的基本過程……… 179
9.4.3 類比退火演算法中的控制參數………… 180
9.5 基於遺傳演算法的模式識別在科學研究中的應用…… 180
9.5.1 遺傳演算法的MATLAB實現………… 180
9.5.2 遺傳演算法在科學研究中的應用實例……… 185
第10章 蟻群演算法及其模式識別……… 201
10.1 蟻群演算法原理………… 201
10.1.1基本概念………… 201
10.1.2蟻群演算法的基本模型……… 202
10.1.3蟻群演算法的特點……… 203
10.2 蟻群演算法的改進……… 203
10.2.1自我調整蟻群演算法……… 203
10.2.2遺傳演算法與蟻群演算法的融合………… 204
10.2.3蟻群神經網路………… 204
10.3 聚類問題的蟻群演算法……… 205
10.3.1聚類數目已知的聚類問題的蟻群演算法…… 205
10.3.2聚類數目未知的聚類問題的蟻群演算法…… 206
10.4 蟻群演算法在科學研究中的應用……… 207
第11章 粒子群演算法及其模式識別………… 217
11.1 粒子群演算法的基本原理………… 217
11.2 全域模式與局部模式……… 218
11.3 粒子群演算法的特點………… 218
11.4 基於粒子群演算法的聚類分析………… 219
11.4.1演算法描述………… 219
11.4.2實現步驟………… 220
11.5 粒子群演算法在科學研究中的應用………… 221
第12章 視覺化模式識別技術………… 229
12.1 高維資料的圖形表示方法……… 229
12.1.1輪廓圖…………… 229
12.1.2雷達圖…………… 230
12.1.3樹狀圖…………… 230
12.1.4三角多項式圖………… 231
12.1.5散點圖…………… 231
12.1.6星座圖…………… 232
12.1.7臉譜圖…………… 233
12.2 圖形特徵參數計算………… 235
12.3 顯示方法………… 237
12.3.1線性映射………… 237
12.3.2非線性映射……… 237
第13章 灰色系統方法及應用………… 241
13.1 灰色系統的基本概念……… 241
13.1.1灰 數…………… 241
13.1.2灰數白化與灰度……… 242
13.2 灰色序列生成運算元………… 242
13.2.1均值生成運算元………… 242
13.2.2累加生成運算元………… 243
13.2.3累減生成運算元………… 243
13.3 灰色分析………… 244
13.3.1灰色關聯度分析……… 244
13.3.2無量綱化的關鍵運算元……… 244
13.3.3關聯分析的主要步驟……… 245
13.3.4其他幾種灰色關聯度……… 246
13.4 灰色聚類………… 247
13.5 灰色系統建模………… 247
13.5.1GM(1,1)模型………… 247
13.5.2GM(1,1)模型檢驗………… 248
13.5.3殘差GM(1,1)模型……… 250
13.5.4GM(1,N )模型……… 250
13.6 灰色災變預測………… 251
13.7 灰色系統的應用……… 252
第14章 人工魚群等群體智慧演算法………… 258
14.1 人工魚群演算法………… 259
14.1.1魚群模式的提出……… 259
14.1.2人工魚的四種基本行為演算法描述…… 259
14.1.3人工魚群演算法概述………… 261
14.1.4各種參數對演算法收斂性能的影響…… 263
14.1.5人工魚群演算法在科學研究中的應用……… 264
14.2 人工免疫演算法………… 270
14.2.1人工免疫演算法的生物學基礎………… 270
14.2.2人工免疫優化演算法概述………… 272
14.2.3人工免疫演算法與遺傳演算法的比較…… 276
14.2.4人工免疫演算法在科學研究中的應用……… 277
14.3 進化計算………… 281
14.3.1進化規劃演算法………… 283
14.3.2進化策略演算法………… 284
14.3.3進化計算在科學研究中的應用……… 286
14.4 混合蛙跳演算法………… 291
14.4.1基本原理………… 291
14.4.2基本術語………… 291
14.4.3演算法的基本流程及運算元………… 292
14.4.4演算法控制參數的選擇……… 294
14.4.5混合蛙跳演算法在科學研究中的應用……… 294
14.5 貓群演算法………… 296
14.5.1基本術語………… 296
14.5.2基本流程………… 297
14.5.3控制參數選擇………… 299
14.5.4貓群演算法在科學研究中的應用……… 299
14.6 細菌覓食演算法………… 300
14.6.1細菌覓食演算法基本原理………… 301
14.6.2演算法主要步驟與流程……… 303
14.6.3演算法參數選取………… 304
14.6.4細菌覓食演算法在科學研究中的應用……… 306
14.7 人工蜂群演算法………… 307
14.7.1人工蜂群演算法的基本原理……… 308
14.7.2人工蜂群演算法的流程……… 309
14.7.3控制參數選擇………… 311
14.7.4人工蜂群演算法在科學研究中的應用……… 311
14.8 量子遺傳演算法………… 312
14.8.1量子計算的基礎知識……… 312
14.8.2量子計算………… 313
14.8.3量子遺傳演算法流程………… 316
14.8.4控制參數………… 318
14.8.5量子遺傳演算法在科學研究中的應用……… 320
14.9Memetic演算法…………321
14.9.1Memetic演算法的構成要素……… 321
14.9.2Memetic演算法的基本流程……… 322
14.9.3控制參數選擇………… 322
14.9.4Memetic演算法在科學研究中的應用……… 323
第15章 仿生模式識別……… 328
15.1 仿生模式識別基本理論………… 328
15.1.1仿生模式識別的連續性規律………… 328
15.1.2多自由度神經元……… 329
15.2 仿生模式識別的數學工具……… 331
15.2.1高維空間幾何分析基本概念………… 332
15.2.2高維空間中點、線、超平面的關係……333
15.2.3高維空間幾何覆蓋理論………… 334
15.3 仿生模式識別的實現方式……… 335
15.3.1高維空間複雜幾何形體覆蓋………… 335
15.3.2多權值神經元的構造……… 338
15.4 仿生模式識別與傳統模式識別的區別…… 338
15.4.1認知理論的差別……… 338
15.4.2數學模式的差異……… 339
15.5 仿生模式識別在科學研究中的應用……… 340
第16章 模式識別的特徵及確定……… 348
16.1 基本概念………… 348
16.1.1特徵的特點……… 348
16.1.2特徵的類別……… 348
16.1.3特徵的形成……… 352
16.1.4特徵選擇與提取……… 353
16.2 樣本特徵的初步分析……… 353
16.3 特徵篩選處理………… 357
16.4 特徵提取………… 357
16.4.1特徵提取的依據……… 357
16.4.2特徵提取的方法……… 359
16.5 基於K L變換的特徵提取………… 362
16.5.1離散K L變換……… 362
16.5.2離散K L變換的特徵提取………… 363
16.5.3吸收類均值向量資訊的特徵提取…… 363
16.5.4利用總體熵吸收方差資訊的特徵提取…… 364
16.6 因數分析…………3365
16.6.1因數分析的一般數學模型……… 365
16.6.2Q 型和R型因數分析……… 366
參考文獻………… 372
|
| 序： |
|
