掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
模式識別與智能計算的MATLAB實現-(第2版) 版權信息
- ISBN：9787512424005
- 條形碼：9787512424005 ; 978-7-5124-2400-5
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
模式識別與智能計算的MATLAB實現-(第2版) 本書特色
針對各學科數據信息的特點以及科學工作者對信息處理和數據挖掘技術的要求,本書既介紹了模式識別和智能計算的基礎知識,又較為詳細地介紹了現代模式識別和智能計算在科學研究中的應用方法和各算法的MATLAB源程序。本書可以幫助廣大的科學工作者掌握模式識別和智能計算方法,并應用于實際的研究中,提高對海量數據信息的處理及挖掘能力,針對性和實用性強,具有較高的理論和實用價值。 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、工業自動化、地質、水利、化學和環境等專業研究生、本科生的教材或教學參考書,亦可供有關工程技術人員參考。
模式識別與智能計算的MATLAB實現-(第2版) 內容簡介
模式識別與智能計算已經成為當今科學研究中的一種重要的數據處理手段。本書理論聯系實際，較為全面地介紹了現代模式識別和智能計算方法 及其應用技巧，通過大量的實例，講解模式識別與智能計算的理論、算法及編程步驟，并提供了MATLAB程序的源代碼 。 本書在MATLAB中文論壇設有交流平臺。
模式識別與智能計算的MATLAB實現-(第2版) 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 模式的特征………………………………………………………………………… 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 基于概率統計的貝葉斯分類方法……………………………………………………… 8
2.1.1 *小錯誤率貝葉斯分類…………………………………………………………… 9
2.1.2 *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
2.2.2
Fisher線性判別函數……………………………………………………………… 13
2.2.3 感知器算法………………………………………………………………………… 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
2.3.4
SIMCA 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 人工神經網絡及模式識別…………………………………………………………… 43
3.1 人工神經網絡的基本概念……………………………………………………………… 43
3.1.1 人工神經元………………………………………………………………………… 43
3.1.2 傳遞函數…………………………………………………………………………… 43
3.1.3 人工神經網絡分類和特點………………………………………………………… 44
3.2 BP人工神經網絡……………………………………………………………………… 44
3.2.1
BP人工神經網絡學習算法……………………………………………………… 44
3.2.2
BP人工神經網絡MATLAB實現……………………………………………… 46
3.3 徑向基函數神經網絡RBF …………………………………………………………… 47
3.3.1
RBF的結構與學習算法…………………………………………………………… 47
3.3.2
RBF的MATLAB實現…………………………………………………………… 48
3.4 自組織競爭人工神經網絡……………………………………………………………… 48
3.4.1 自組織競爭人工神經網絡的基本概念…………………………………………… 48
3.4.2 自組織競爭神經網絡的學習算法………………………………………………… 49
3.4.3 自組織競爭網絡的MATLAB實現……………………………………………… 49
3.5 對向傳播神經網絡CPN ……………………………………………………………… 50
3.5.1
CPN 的基本概念………………………………………………………………… 50
3.5.2
CPN 網絡的學習算法…………………………………………………………… 50
3.6 反饋型神經網絡Hopfield …………………………………………………………… 51
3.6.1
Hopfield網絡的基本概念………………………………………………………… 51
3.6.2
Hopfield網絡的學習算法………………………………………………………… 52
3.6.3
Hopfield網絡的MATLAB實現………………………………………………… 53
3.7 人工神經網絡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 模糊關系…………………………………………………………………………… 75
4.1.3 模糊變換與模糊綜合評判………………………………………………………… 77
4.1.4
If…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 *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 模糊神經網絡…………………………………………………………………………… 85
4.3.1 模糊神經網絡……………………………………………………………………… 85
4.3.2 模糊BP神經網絡………………………………………………………………… 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 基于核的主成分分析方法…………………………………………………………… 108
5.2.1 主成分分析……………………………………………………………………… 108
5.2.2 基于核的主成分分析…………………………………………………………… 110
5.3 基于核的Fisher判別方法…………………………………………………………… 112
5.3.1
Fisher判別方法………………………………………………………………… 112
5.3.2 基于核的Fisher判別方法分析………………………………………………… 113
5.4 基于核的投影尋蹤方法……………………………………………………………… 114
5.4.1 投影尋蹤分析…………………………………………………………………… 114
5.4.2 基于核的投影尋蹤分析………………………………………………………… 118
5.5 核函數方法在科學研究中的應用…………………………………………………… 119
第6章 支持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 *優分類面……………………………………………………………………… 131
6.2.2 支持向量機模型………………………………………………………………… 132
6.3 支持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 粗糙神經網絡………………………………………………………………………… 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 遺傳算法及其模式識別……………………………………………………………… 170
9.1 遺傳算法的基本原理………………………………………………………………… 170
9.2 遺傳算法分析………………………………………………………………………… 173
9.2.1 染色體的編碼…………………………………………………………………… 173
9.2.2 適應度函數……………………………………………………………………… 174
9.2.3 遺傳算子…………………………………………………………………………
175
9.3 控制參數的選擇……………………………………………………………………… 177
9.4 模擬退火算法………………………………………………………………………… 178
9.4.1 模擬退火的基本概念…………………………………………………………… 178
9.4.2 模擬退火算法的基本過程……………………………………………………… 179
9.4.3 模擬退火算法中的控制參數…………………………………………………… 180
9.5 基于遺傳算法的模式識別在科學研究中的應用…………………………………… 180
9.5.1 遺傳算法的MATLAB實現…………………………………………………… 180
9.5.2 遺傳算法在科學研究中的應用實例…………………………………………… 185
第10章 蟻群算法及其模式識別…………………………………………………………… 201
10.1 蟻群算法原理………………………………………………………………………… 201
10.1.1
基本概念………………………………………………………………………… 201
10.1.2
蟻群算法的基本模型…………………………………………………………… 202
10.1.3
蟻群算法的特點………………………………………………………………… 203
10.2 蟻群算法的改進……………………………………………………………………… 203
10.2.1
自適應蟻群算法………………………………………………………………… 203
10.2.2
遺傳算法與蟻群算法的融合…………………………………………………… 204
10.2.3
蟻群神經網絡…………………………………………………………………… 204
10.3 聚類問題的蟻群算法………………………………………………………………… 205
10.3.1
聚類數目已知的聚類問題的蟻群算法………………………………………… 205
10.3.2
聚類數目未知的聚類問題的蟻群算法………………………………………… 206
10.4 蟻群算法在科學研究中的應用……………………………………………………… 207
第11章 粒子群算法及其模式識別………………………………………………………… 217
11.1 粒子群算法的基本原理……………………………………………………………… 217
11.2 全局模式與局部模式………………………………………………………………… 218
11.3 粒子群算法的特點…………………………………………………………………… 218
11.4 基于粒子群算法的聚類分析………………………………………………………… 219
11.4.1
算法描述………………………………………………………………………… 219
11.4.2
實現步驟………………………………………………………………………… 220
11.5 粒子群算法在科學研究中的應用…………………………………………………… 221
第12章 可視化模式識別技術……………………………………………………………… 229
12.1 高維數據的圖形表示方法…………………………………………………………… 229
12.1.1
輪廓圖…………………………………………………………………………… 229
12.1.2
雷達圖…………………………………………………………………………… 230
12.1.3
樹形圖…………………………………………………………………………… 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 圖形特征參數計算…………………………………………………………………… 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 灰色序列生成算子…………………………………………………………………… 242
13.2.1
均值生成算子…………………………………………………………………… 242
13.2.2
累加生成算子…………………………………………………………………… 243
13.2.3
累減生成算子…………………………………………………………………… 243
13.3 灰色分析……………………………………………………………………………… 244
13.3.1
灰色關聯度分析………………………………………………………………… 244
13.3.2
無量綱化的關鍵算子…………………………………………………………… 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
13.5.1
GM(1,1)模型…………………………………………………………………… 247
13.5.2
GM(1,1)模型檢驗……………………………………………………………… 248
13.5.3
殘差GM(1,1)模型…………………………………………………………… 250
13.5.4
GM(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 人工魚群等群體智能算法………………………………………………………… 258
14.1 人工魚群算法………………………………………………………………………… 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算法描述……………………………………………… 259
14.1.3
人工魚群算法概述……………………………………………………………… 261
14.1.4
各種參數對算法收斂性能的影響……………………………………………… 263
14.1.5
人工魚群算法在科學研究中的應用…………………………………………… 264
14.2 人工免疫算法………………………………………………………………………… 270
14.2.1
人工免疫算法的生物學基礎…………………………………………………… 270
14.2.2
人工免疫優化算法概述………………………………………………………… 272
14.2.3
人工免疫算法與遺傳算法的比較……………………………………………… 276
14.2.4
人工免疫算法在科學研究中的應用…………………………………………… 277
14.3 進化計算……………………………………………………………………………… 281
14.3.1
進化規劃算法…………………………………………………………………… 283
14.3.2
進化策略算法…………………………………………………………………… 284
14.3.3
進化計算在科學研究中的應用………………………………………………… 286
14.4 混合蛙跳算法………………………………………………………………………… 291
14.4.1
基本原理………………………………………………………………………… 291
14.4.2
基本術語………………………………………………………………………… 291
14.4.3
算法的基本流程及算子………………………………………………………… 292
14.4.4
算法控制參數的選擇…………………………………………………………… 294
14.4.5
混合蛙跳算法在科學研究中的應用…………………………………………… 294
14.5 貓群算法……………………………………………………………………………… 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
貓群算法在科學研究中的應用………………………………………………… 299
14.6 細菌覓食算法………………………………………………………………………… 300
14.6.1
細菌覓食算法基本原理………………………………………………………… 301
14.6.2
算法主要步驟與流程…………………………………………………………… 303
14.6.3
算法參數選取…………………………………………………………………… 304
14.6.4
細菌覓食算法在科學研究中的應用…………………………………………… 306
14.7 人工蜂群算法………………………………………………………………………… 307
14.7.1
人工蜂群算法的基本原理……………………………………………………… 308
14.7.2
人工蜂群算法的流程…………………………………………………………… 309
14.7.3
控制參數選擇…………………………………………………………………… 311
14.7.4
人工蜂群算法在科學研究中的應用…………………………………………… 311
14.8 量子遺傳算法………………………………………………………………………… 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
量子遺傳算法流程……………………………………………………………… 316
14.8.4
控制參數………………………………………………………………………… 318
14.8.5
量子遺傳算法在科學研究中的應用…………………………………………… 320
14.9
Memetic算法…………………………………………………………………………
321
14.9.1
Memetic算法的構成要素……………………………………………………… 321
14.9.2
Memetic算法的基本流程……………………………………………………… 322
14.9.3
控制參數選擇…………………………………………………………………… 322
14.9.4
Memetic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、超平面的關系………………………………………………
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
高維空間復雜幾何形體覆蓋…………………………………………………… 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 模式識別的特征及確定…………………………………………………………… 348
16.1 基本概念……………………………………………………………………………… 348
16.1.1
特征的特點……………………………………………………………………… 348
16.1.2
特征的類別……………………………………………………………………… 348
16.1.3
特征的形成……………………………………………………………………… 352
16.1.4
特征選擇與提取………………………………………………………………… 353
16.2 樣本特征的初步分析………………………………………………………………… 353
16.3 特征篩選處理………………………………………………………………………… 357
16.4 特征提取……………………………………………………………………………… 357
16.4.1
特征提取的依據………………………………………………………………… 357
16.4.2
特征提取的方法………………………………………………………………… 359
16.5 基于K L變換的特征提取………………………………………………………… 362
16.5.1
離散K L變換………………………………………………………………… 362
16.5.2
離散K L變換的特征提取…………………………………………………… 363
16.5.3
吸收類均值向量信息的特征提取……………………………………………… 363
16.5.4
利用總體熵吸收方差信息的特征提取………………………………………… 364
16.6 因子分析………………………………………………………………………………3365
16.6.1
因子分析的一般數學模型……………………………………………………… 365
16.6.2
Q 型和R型因子分析…………………………………………………………… 366
參考文獻………………………………………………………………………………………… 372
展開全部
模式識別與智能計算的MATLAB實現-(第2版) 作者簡介
許國根：畢業于南京大學分析化學專業，長期奮斗在一線的高校資深化學教師。為了實現“數學化學”夢想， 一直致力于數學在化學中的應用，熱衷于MATLAB、模式識別、數據挖掘、化學計量學等相關知識的學習與應用，撰寫過多部介紹MATLAB在化學中應用技巧的書籍。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
月亮與六便士
- >
月亮虎
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
中國歷史的瞬間
- >
小考拉的故事-套裝共3冊
- >
詩經-先民的歌唱
- >
史學評論
本類暢銷
