模式識別與智能計算 — MATLAB 技術實現, 5/e

楊淑瑩,鄭清春

模式識別與智能計算 — MATLAB 技術實現, 5/e
  • 出版商: 電子工業
  • 出版日期: 2025-01-01
  • 定價: $408
  • 售價: 8.5 折 $347
  • 語言: 簡體中文
  • 頁數: 308
  • ISBN: 7121490218
  • ISBN-13: 9787121490217
  • 相關分類: Machine Learning

    • 立即出貨 (庫存 < 4)

買這商品的人也買了...

中文年末書展｜繁簡參展書2書75折 詳見活動內容 »

相關主題

商品描述

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。本書第5版在現有版本的基礎上做了優化，改動量為30%，篇幅由之前的13章壓縮到11章，內容包括：模式識別概述，特徵的選擇與優化，模式相似性測度，基於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，聚類分析，遺傳算法聚類分析,群體智能算法分析等。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，介紹理論運用於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。

目錄大綱

第１ 篇　基　礎　篇
第１ 章　 模式識別概述 ………………………………………………………………………… ２
　 　 １?? １　 模式識別的基本概念……………………………………………………………………… ２
　 　 １?? ２　 統計模式識別 …………………………………………………………………………… ５
　 　 　 　 １?? ２?? １　 統計模式識別研究的主要問題 …………………………………………………… ５
　 　 　 　 １?? ２?? ２　 統計模式識別方法簡介…………………………………………………………… ６
　 　 １?? ３　 分類分析 ………………………………………………………………………………… ９
　 　 　 　 １?? ３?? １　 分類器設計 ……………………………………………………………………… ９
　 　 　 　 １?? ３?? ２　 分類器的選擇…………………………………………………………………… １１
　 　 　 　 １?? ３?? ３　 訓練與學習 …………………………………………………………………… １２
　 　 １?? ４　 聚類分析 ……………………………………………………………………………… １２
　 　 　 　 １?? ４?? １　 聚類的設計 …………………………………………………………………… １３
　 　 　 　 １?? ４?? ２　 基於試探法的聚類設計 ………………………………………………………… １４
　 　 　 　 １?? ４?? ３　 基於群體智能優化算法的聚類設計 ……………………………………………… １５
　 　 １?? ５　 模式識別的應用 ………………………………………………………………………… １６
　 　 本章小結……………………………………………………………………………………… １６
　 　 習題 １ ……………………………………………………………………………………… １７
第２ 章　 特徵的選擇與優化 …………………………………………………………………… １８
　 　 ２?? １　 特徵空間優化設計問題 ………………………………………………………………… １８
　 　 ２?? ２　 樣本特徵庫初步分析 …………………………………………………………………… １９
　 　 ２?? ３　 樣本篩選處理 …………………………………………………………………………… ２０
　 　 ２?? ４　 特徵篩選處理 …………………………………………………………………………… ２０
　 　 ２?? ５　 特徵評估 ……………………………………………………………………………… ２２
　 　 ２?? ６　 基於主成分分析的特徵提取……………………………………………………………… ２４
　 　 ２?? ７　 特徵空間描述與分佈分析 ……………………………………………………………… ２７
　 　 　 　 ２?? ７?? １　 特徵空間描述…………………………………………………………………… ２７
　 　 　 　 ２?? ７?? ２　 特徵空間分佈分析 ……………………………………………………………… ３２
　 　 ２?? ８　 手寫數字特徵提取與空間分佈分析 ……………………………………………………… ３５
　 　 　 　 ２?? ８?? １　 手寫數字特徵提取 ……………………………………………………………… ３５
　 　 　 　 ２?? ８?? ２　 手寫數字特徵空間分佈分析 …………………………………………………… ３６
　 　 本章小結……………………………………………………………………………………… ４１
　 　 習題 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章　 模式相似性測度 ……………………………………………………………………… ４２
　 　 ３?? １　 模式相似性測度的基本概念……………………………………………………………… ４２
　 　 ３?? ２　 距離測度分類法 ………………………………………………………………………… ４５
　 　 　 　 ３?? ２?? １　 模板匹配法 …………………………………………………………………… ４５
　 　 　 　 ３?? ２?? ２　 基於 ＰＣＡ 的模板匹配法 ………………………………………………………… ４７
　 　 　 　 ３?? ２?? ３　 馬氏距離分類…………………………………………………………………… ４９
　 　 本章小結……………………………………………………………………………………… ５１
　 　 習題 ３ ……………………………………………………………………………………… ５１
第２ 篇　分類器設計篇
第４ 章　 基於概率統計的貝葉斯分類器設計 ………………………………………………… 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　 基於最小錯誤率的貝葉斯決策…………………………………………………………… ５６
　 　 ４?? ３　 基於最小風險的貝葉斯決策……………………………………………………………… ５９
　 　 ４?? ４　 貝葉斯決策比較 ………………………………………………………………………… ６１
　 　 ４?? ５　 基於最小錯誤率的貝葉斯分類實現 ……………………………………………………… ６２
　 　 ４?? ６　 基於最小風險的貝葉斯分類實現 ………………………………………………………… ６６
　 　 本章小結……………………………………………………………………………………… ６９
　 　 習題 ４ ……………………………………………………………………………………… ６９
第５ 章　 判別函數分類器設計 ………………………………………………………………… ７０
　 　 ５?? １　 判別函數的基本概念 …………………………………………………………………… ７０
　 　 ５?? ２　 線性判別函數的概念 …………………………………………………………………… ７１
　 　 ５?? ３　 線性判別函數的實現 …………………………………………………………………… 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　 基於核的 Ｆｉｓｈｅｒ 分類 …………………………………………………………………… ９６
　 　 ５?? ９　 勢函數法 ……………………………………………………………………………… １０３
　 　 ５?? １０　 支持向量機…………………………………………………………………………… １０８
　 　 本章小結 …………………………………………………………………………………… １１４
　 　 習題 ５ ……………………………………………………………………………………… １１４
第６ 章　 神經網絡分類器設計 ……………………………………………………………… １１５
　 　 ６?? １　 人工神經網絡的基本原理 ……………………………………………………………… １１５
　 　 　 　 ６?? １?? １　 人工神經元 …………………………………………………………………… １１５
　 　 　 　 ６?? １?? ２　 人工神經網絡模型 …………………………………………………………… １１８
　 　 　 　 ６?? １?? ３　 神經網絡的學習過程…………………………………………………………… １２１
Ⅵ
　　　　６?? １?? ４　人工神經網絡在模式識別問題上的優勢………………………………………… １２１
　 　 ６?? ２　 ＢＰ 神經網絡 …………………………………………………………………………… １２２
　 　 　 　 ６?? ２?? １　 ＢＰ 神經網絡的基本概念 ……………………………………………………… １２２
　 　 　 　 ６?? ２?? ２　 ＢＰ 神經網絡分類器設計 ……………………………………………………… １２７
　 　 ６?? ３　 徑向基函數 （ＲＢＦ） 神經網絡 ………………………………………………………… １３２
　 　 　 　 ６?? ３?? １　 徑向基函數神經網絡的基本概念 ……………………………………………… １３２
　 　 　 　 ６?? ３?? ２　 徑向基函數神經網絡分類器設計 ……………………………………………… １３６
　 　 ６?? ４　 自組織競爭神經網絡…………………………………………………………………… １３９
　 　 　 　 ６?? ４?? １　 自組織競爭神經網絡的基本概念 ……………………………………………… １３９
　 　 　 　 ６?? ４?? ２　 自組織競爭神經網絡分類器設計 ……………………………………………… １４１
　 　 ６?? ５　 概率神經網絡 （ＰＮＮ） ………………………………………………………………… １４４
　 　 　 　 ６?? ５?? １　 概率神經網絡的基本概念 ……………………………………………………… １４４
　 　 　 　 ６?? ５?? ２　 概率神經網絡分類器設計 ……………………………………………………… １４８
　 　 ６?? ６　 對向傳播神經網絡 （ＣＰＮ） …………………………………………………………… １５１
　 　 　 　 ６?? ６?? １　 對向傳播神經網絡的基本概念 ………………………………………………… １５１
　 　 　 　 ６?? ６?? ２　 對向傳播神經網絡分類器設計 ………………………………………………… １５２
　 　 ６?? ７　 反饋型神經網絡 ……………………………………………………………………… １５６
　 　 　 　 ６?? ７?? １　 Ｈｏｐｆｉｅｌｄ 神經網絡的基本概念 ………………………………………………… １５６
　 　 　 　 ６?? ７?? ２　 Ｈｏｐｆｉｅｌｄ 神經網絡分類器設計 ………………………………………………… １５９
　 　 本章小結 …………………………………………………………………………………… １６１
　 　 習題 ６ ……………………………………………………………………………………… １６２
第７ 章　 決策樹分類器設計 ………………………………………………………………… １６３
　 　 ７?? １　 決策樹的基本概念……………………………………………………………………… １６３
　 　 ７?? ２　 決策樹理論的分類方法 ………………………………………………………………… １６４
　 　 本章小結 …………………………………………………………………………………… １７１
　 　 習題 ７ ……………………………………………………………………………………… １７１
第３ 篇　聚類分析篇
第８ 章　 聚類分析 …………………………………………………………………………… １７３
　 　 ８?? １　 聚類的設計 …………………………………………………………………………… １７３
　 　 ８?? ２　 基於試探的未知類別聚類算法 ………………………………………………………… １７７
　 　 　 　 ８?? ２?? １　 最鄰近規則的試探法…………………………………………………………… １７７
　 　 　 　 ８?? ２?? ２　 最大最小距離算法 …………………………………………………………… １８１
　 　 ８?? ３　 層次聚類算法 ………………………………………………………………………… １８４
　 　 　 　 ８?? ３?? １　 最短距離法 …………………………………………………………………… １８５
　 　 　 　 ８?? ３?? ２　 重心法………………………………………………………………………… １８８
　 　 ８?? ４　 動態聚類算法 ………………………………………………………………………… １９１
　 　 　 　 ８?? ４?? １　 Ｋ 均值算法 …………………………………………………………………… １９２
　 　 　 　 ８?? ４?? ２　 疊代自組織的數據分析算法 （ＩＳＯＤＡＴＡ） ……………………………………… １９６
Ⅶ
　 　 ８?? ５　 模擬退火聚類算法……………………………………………………………………… ２００
　 　 　 　 ８?? ５?? １　 模擬退火的基本概念…………………………………………………………… ２００
　 　 　 　 ８?? ５?? ２　 基於模擬退火思想的改進 Ｋ 均值聚類算法……………………………………… ２０３
　 　 本章小結 …………………………………………………………………………………… ２１０
　 　 習題 ８ ……………………………………………………………………………………… ２１０
第９ 章　 進化計算算法聚類分析 …………………………………………………………… ２１１
　 　 ９?? １　 進化計算概述 ………………………………………………………………………… ２１１
　 　 ９?? ２　 遺傳算法仿生計算……………………………………………………………………… ２１３
　 　 　 　 ９?? ２?? １　 遺傳算法 ……………………………………………………………………… ２１３
　 　 　 　 ９?? ２?? ２　 遺傳算法仿生計算在聚類分析中的應用………………………………………… ２２０
　 　 ９?? ３　 進化規劃算法仿生計算 ………………………………………………………………… ２３２
　 　 　 　 ９?? ３?? １　 進化規劃算法 ………………………………………………………………… ２３２
　 　 　 　 ９?? ３?? ２　 進化規劃算法仿生計算在聚類分析中的應用 …………………………………… ２３５
　 　 ９?? ４　 進化策略算法仿生計算 ………………………………………………………………… ２４３
　 　 　 　 ９?? ４?? １　 進化策略算法 ………………………………………………………………… ２４３
　 　 　 　 ９?? ４?? ２　 進化策略算法仿生計算在聚類分析中的應用 …………………………………… ２４８
　 　 本章小結 …………………………………………………………………………………… ２５８
　 　 習題 ９ ……………………………………………………………………………………… ２５８
第１０ 章　 群體智能算法聚類分析 …………………………………………………………… ２５９
　 　 １０?? １　 粒子群算法聚類分析 ………………………………………………………………… ２５９
　 　 　 　 １０?? １?? １　 粒子群算法 ………………………………………………………………… ２５９
　 　 　 　 １０?? １?? ２　 粒子群算法的實現方法與步驟 ……………………………………………… ２６２
　 　 １０?? ２　 混合蛙跳算法仿生計算 ……………………………………………………………… ２６８
　 　 　 　 １０?? ２?? １　 混合蛙跳算法………………………………………………………………… ２６８
　 　 　 　 １０?? ２?? ２　 混合蛙跳算法仿生計算在聚類分析中的應用 ………………………………… ２７３
　 　 １０?? ３　 貓群算法仿生計算 …………………………………………………………………… ２８０
　 　 　 　 １０?? ３?? １　 貓群算法 …………………………………………………………………… ２８０
　 　 　 　 １０?? ３?? ２　 貓群算法仿生計算在聚類分析中的應用 ……………………………………… ２８６
　 　 本章小結 …………………………………………………………………………………… ２９５
　 　 習題 １０ ……………………………………………………………………………………… ２９５
參考文獻………………………………………………………………………………………… ２９６
Ⅷ

類似商品

最後瀏覽商品 (20)