模式識(shí)別與智能計(jì)算：MATLAB技術(shù)實(shí)現(xiàn)（第5版）

定　價(jià)：￥68.00

作　者：	楊淑瑩
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥34.00)

ISBN：	9787121490217	出版時(shí)間：	2025-01-01	包裝：	平塑
開本：		頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書廣泛吸取統(tǒng)計(jì)學(xué)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能、群智能計(jì)算等學(xué)科的先進(jìn)思想和理論，將其應(yīng)用到模式識(shí)別領(lǐng)域中；以一種新的體系，系統(tǒng)、全面地介紹模式識(shí)別的理論、方法及應(yīng)用。本書第5版在現(xiàn)有版本的基礎(chǔ)上做了優(yōu)化，改動(dòng)量為30%，篇幅由之前的13章壓縮到11章，內(nèi)容包括：模式識(shí)別概述，特征的選擇與優(yōu)化，模式相似性測(cè)度，基于概率統(tǒng)計(jì)的貝葉斯分類器設(shè)計(jì)，判別函數(shù)分類器設(shè)計(jì)，神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)（BP神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、自組織競爭神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、對(duì)向傳播神經(jīng)網(wǎng)絡(luò)、反饋型神經(jīng)網(wǎng)絡(luò)），決策樹分類器設(shè)計(jì)，聚類分析，遺傳算法聚類分析，群體智能算法分析等。本書內(nèi)容新穎，實(shí)用性強(qiáng)，理論與實(shí)際應(yīng)用密切結(jié)合，以手寫數(shù)字識(shí)別為應(yīng)用實(shí)例，介紹理論運(yùn)用于實(shí)踐的實(shí)現(xiàn)步驟及相應(yīng)的Matlab代碼，為廣大研究工作者和工程技術(shù)人員對(duì)相關(guān)理論的應(yīng)用提供借鑒。

作者簡介

　　楊淑瑩，天津理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院教授，全國優(yōu)秀教師，天津市教學(xué)名師。多年來，楊教授堅(jiān)守教學(xué)一線，承擔(dān)“數(shù)字圖像處理”、“模式識(shí)別”等課程的教學(xué)任務(wù)。她刻苦鉆研算機(jī)視覺、模式識(shí)別等前沿技術(shù)，承擔(dān)多項(xiàng)省部級(jí)以上科研項(xiàng)目，獲得省部級(jí)科技進(jìn)步獎(jiǎng)2項(xiàng)。重構(gòu)教學(xué)內(nèi)容，將跨學(xué)科知識(shí)點(diǎn)與項(xiàng)目融合，經(jīng)典與前沿技術(shù)融合，實(shí)踐體系與項(xiàng)目案例融合，主講課程被評(píng)為國家級(jí)線上線下混合式一流課程和國家級(jí)精品課。

圖書目錄

第１篇　基　礎(chǔ)　篇
第１章　模式識(shí)別概述 ………………………………………………………………………… ２
　　１?? １　模式識(shí)別的基本概念……………………………………………………………………… ２
　　１?? ２　統(tǒng)計(jì)模式識(shí)別 …………………………………………………………………………… ５
　　　　１?? ２?? １　統(tǒng)計(jì)模式識(shí)別研究的主要問題 …………………………………………………… ５
　　　　１?? ２?? ２　統(tǒng)計(jì)模式識(shí)別方法簡介…………………………………………………………… ６
　　１?? ３　分類分析 ………………………………………………………………………………… ９
　　　　１?? ３?? １　分類器設(shè)計(jì) ……………………………………………………………………… ９
　　　　１?? ３?? ２　分類器的選擇…………………………………………………………………… １１
　　　　１?? ３?? ３　訓(xùn)練與學(xué)習(xí) …………………………………………………………………… １２
　　１?? ４　聚類分析 ……………………………………………………………………………… １２
　　　　１?? ４?? １　聚類的設(shè)計(jì) …………………………………………………………………… １３
　　　　１?? ４?? ２　基于試探法的聚類設(shè)計(jì) ………………………………………………………… １４
　　　　１?? ４?? ３　基于群體智能優(yōu)化算法的聚類設(shè)計(jì) ……………………………………………… １５
　　１?? ５　模式識(shí)別的應(yīng)用 ………………………………………………………………………… １６
　　本章小結(jié)……………………………………………………………………………………… １６
　　習(xí)題１ ……………………………………………………………………………………… １７
第２章　特征的選擇與優(yōu)化 …………………………………………………………………… １８
　　２?? １　特征空間優(yōu)化設(shè)計(jì)問題 ………………………………………………………………… １８
　　２?? ２　樣本特征庫初步分析 …………………………………………………………………… １９
　　２?? ３　樣本篩選處理 …………………………………………………………………………… ２０
　　２?? ４　特征篩選處理 …………………………………………………………………………… ２０
　　２?? ５　特征評(píng)估 ……………………………………………………………………………… ２２
　　２?? ６　基于主成分分析的特征提取……………………………………………………………… ２４
　　２?? ７　特征空間描述與分布分析 ……………………………………………………………… ２７
　　　　２?? ７?? １　特征空間描述…………………………………………………………………… ２７
　　　　２?? ７?? ２　特征空間分布分析 ……………………………………………………………… ３２
　　２?? ８　手寫數(shù)字特征提取與空間分布分析 ……………………………………………………… ３５
　　　　２?? ８?? １　手寫數(shù)字特征提取 ……………………………………………………………… ３５
　　　　２?? ８?? ２　手寫數(shù)字特征空間分布分析 …………………………………………………… ３６
　　本章小結(jié)……………………………………………………………………………………… ４１
　　習(xí)題２ ……………………………………………………………………………………… ４１
Ⅴ
第３章　模式相似性測(cè)度 ……………………………………………………………………… ４２
　　３?? １　模式相似性測(cè)度的基本概念……………………………………………………………… ４２
　　３?? ２　距離測(cè)度分類法 ………………………………………………………………………… ４５
　　　　３?? ２?? １　模板匹配法 …………………………………………………………………… ４５
　　　　３?? ２?? ２　基于ＰＣＡ的模板匹配法 ………………………………………………………… ４７
　　　　３?? ２?? ３　馬氏距離分類…………………………………………………………………… ４９
　　本章小結(jié)……………………………………………………………………………………… ５１
　　習(xí)題３ ……………………………………………………………………………………… ５１
第２篇　分類器設(shè)計(jì)篇
第４章　基于概率統(tǒng)計(jì)的貝葉斯分類器設(shè)計(jì) ………………………………………………… ５３
　　４?? １　貝葉斯決策的基本概念 ………………………………………………………………… ５３
　　　　４?? １?? １　貝葉斯決策所討論的問題 ……………………………………………………… ５３
　　　　４?? １?? ２　貝葉斯公式 …………………………………………………………………… ５４
　　４?? ２　基于最小錯(cuò)誤率的貝葉斯決策…………………………………………………………… ５６
　　４?? ３　基于最小風(fēng)險(xiǎn)的貝葉斯決策……………………………………………………………… ５９
　　４?? ４　貝葉斯決策比較 ………………………………………………………………………… ６１
　　４?? ５　基于最小錯(cuò)誤率的貝葉斯分類實(shí)現(xiàn) ……………………………………………………… ６２
　　４?? ６　基于最小風(fēng)險(xiǎn)的貝葉斯分類實(shí)現(xiàn) ………………………………………………………… ６６
　　本章小結(jié)……………………………………………………………………………………… ６９
　　習(xí)題４ ……………………………………………………………………………………… ６９
第５章　判別函數(shù)分類器設(shè)計(jì) ………………………………………………………………… ７０
　　５?? １　判別函數(shù)的基本概念 …………………………………………………………………… ７０
　　５?? ２　線性判別函數(shù)的概念 …………………………………………………………………… ７１
　　５?? ３　線性判別函數(shù)的實(shí)現(xiàn) …………………………………………………………………… ７５
　　５?? ４　感知器算法……………………………………………………………………………… ７６
　　５?? ５　增量校正算法 …………………………………………………………………………… ８３
　　５?? ６　ＬＭＳＥ分類算法 ………………………………………………………………………… ８９
　　５?? ７　Ｆｉｓｈｅｒ分類 ……………………………………………………………………………… ９２
　　５?? ８　基于核的Ｆｉｓｈｅｒ分類 …………………………………………………………………… ９６
　　５?? ９　勢(shì)函數(shù)法 ……………………………………………………………………………… １０３
　　５?? １０　支持向量機(jī)…………………………………………………………………………… １０８
　　本章小結(jié) …………………………………………………………………………………… １１４
　　習(xí)題５ ……………………………………………………………………………………… １１４
第６章　神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………………………… １１５
　　６?? １　人工神經(jīng)網(wǎng)絡(luò)的基本原理 ……………………………………………………………… １１５
　　　　６?? １?? １　人工神經(jīng)元 …………………………………………………………………… １１５
　　　　６?? １?? ２　人工神經(jīng)網(wǎng)絡(luò)模型 …………………………………………………………… １１８
　　　　６?? １?? ３　神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程…………………………………………………………… １２１
Ⅵ
　　　?。?? １?? ４　人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別問題上的優(yōu)勢(shì)………………………………………… １２１
　　６?? ２　ＢＰ神經(jīng)網(wǎng)絡(luò) …………………………………………………………………………… １２２
　　　　６?? ２?? １　ＢＰ神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………………… １２２
　　　　６?? ２?? ２　ＢＰ神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………………… １２７
　　６?? ３　徑向基函數(shù) （ＲＢＦ）神經(jīng)網(wǎng)絡(luò) ………………………………………………………… １３２
　　　　６?? ３?? １　徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………… １３２
　　　　６?? ３?? ２　徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………… １３６
　　６?? ４　自組織競爭神經(jīng)網(wǎng)絡(luò)…………………………………………………………………… １３９
　　　　６?? ４?? １　自組織競爭神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………… １３９
　　　　６?? ４?? ２　自組織競爭神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………… １４１
　　６?? ５　概率神經(jīng)網(wǎng)絡(luò) （ＰＮＮ） ………………………………………………………………… １４４
　　　　６?? ５?? １　概率神經(jīng)網(wǎng)絡(luò)的基本概念 ……………………………………………………… １４４
　　　　６?? ５?? ２　概率神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì) ……………………………………………………… １４８