前言 随着模式识别技术的迅猛发展，目前该技术已经成为当代高科技研究的重要领域之一，不仅取得了丰富的理论成果，而且其应用范围越来越广泛，几乎遍及各个学科领域，如人工智能、机器人、系统控制、遥感数据分析、生物医学工程、军事目标识别等。由于其在国民经济、国防建设、社会发展的各个方面得到了广泛应用，因而越来越多的人认识到模式识别技术的重要性。 本书以实用性为宗旨，以对酒瓶颜色的分类设计为主，将理论与实践相结合，介绍了各种相关分类器设计。 第1章介绍模式识别的概念、模式识别的方法及其应用。 第2章讨论贝叶斯分类器的设计。首先介绍贝叶斯决策的概念，让读者对贝叶斯理论有所了解，然后介绍基于最小错误率和最小风险的贝叶斯分类器的设计，将理论应用到实践，让读者真正学会运用该算法解决实际问题。 第3章讨论判别函数分类器的设计。判别函数包括线性判别函数和非线性判别函数，本章首先介绍判别函数的相关概念，然后介绍线性判别函数LMSE和Fisher分类器的设计及非线性判别函数SVM分类器的设计。 第4章讨论聚类分析。聚类分析作为最基础的分类方法，涵盖了大量经典的聚类算法及衍生出来的改进算法。本章首先介绍相关理论知识，然后依次介绍K均值聚类、K均值改进算法、KNN聚类、PAM聚类、层次聚类及ISODATA分类器设计。 第5章讨论模糊聚类分析。首先介绍模糊逻辑的发展、模糊数学理论、模糊逻辑与模糊推理等一整套模糊控制理论，然后介绍模糊分类器、模糊C均值分类器、模糊ISODATA分类器及模糊神经网络分类器的设计。 第6章讨论神经网络聚类设计。首先介绍神经网络的概念及其模型等理论知识，然后介绍基于BP网络、Hopfield网络、RBF网络、GRNN、小波神经网络、自组织竞争网络、SOM网络、LVQ网络、PNN、CPN的分类器设计。 第7章讨论模拟退火算法聚类设计。首先介绍模拟退火算法的基本原理、基本过程，然后介绍其分类器的设计。 第8章介绍遗传算法聚类设计，包括遗传算法原理及遗传算法分类器设计的详细过程。 第9章介绍蚁群算法聚类设计，包括蚁群算法的基本原理、基于蚁群基本算法的分类器设计和改进的蚁群算法MMAS的分类器设计。 第10章介绍粒子群算法聚类设计，包括粒子群算法的运算过程、进化模型、原理及其模式分类的设计过程。 本书没有像大多数模式识别的书那样讲解烦琐的理论，而是简明扼要地介绍每一种算法的核心，并通过大量的实例介绍模式识别知识。书中针对每一种模式识别算法,按理论基础和实例操作两部分进行介绍。在读者掌握基础理论后,通过实例可以了解算法的实现思路和方法; 进一步掌握核心代码编写,就可以很快掌握模式识别技术。 本书内容来自作者的科研与教学实践。读者在学会各种理论和方法后,可将书中的不同算法加以改造应用于自己的实际工作。 本书第1～3章由李楠编写,其余由周润景完成并统稿、定稿。参加本书编写的还有邵盟、南志贤、刘波、李艳、邵绪晨、冯震、崔婧、任自鑫、谢亚楠、祖晓玮、张赫、丁岩、井探亮、邢婧、陈萌。 在本书的编写过程中,作者力求完美,但由于水平有限,书中难免有不足之处,敬请指正。 作者 2018年3月

• 课件下载
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接