新書推薦：
《
哲学、历史与僭政——重审施特劳斯与科耶夫之争
》
售價：HK$
114.0
《
Xilinx FPGA权威设计指南：基于Vivado 2023设计套件
》
售價：HK$
237.6
《
闽南人及其邻近族群：郭志超教授人类学随笔
》
售價：HK$
153.6
《
心理治疗中的依恋访谈
》
售價：HK$
129.6
《
为何生活越来越像走钢索
》
售價：HK$
69.6
《
情感的转化力量：AEDP的疗愈之路
》
售價：HK$
143.8
《
美国产业关系领域的起源与演变
》
售價：HK$
81.6
《
拐点：站在AI颠覆世界的前夜
》
售價：HK$
82.8
|
| 編輯推薦： |
|
本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。
|
| 內容簡介： |
|
本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书分为14章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器设计，粗糙集分类器设计，聚类分析，模糊聚类分析，禁忌搜索算法聚类分析，遗传算法聚类分析,蚁群算法聚类分析,粒子群算法聚类分析。 本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。
|
| 關於作者： |
|
杨淑莹 博士学位，天津理工大学计算机科学与工程学院教授，硕士研究生导师，天津市教学名师，中国图像图形学学会第五届理事会学术委员会委员。多年来在图像、语音、时间序列等方面进行模式识别相关工作的深入研究，涉及模式识别，数字图像处理、信号与信息处理、智能计算等领域。承担并完成国家级、市级自然科学基金项目多项，获得天津市科学技术进步奖2项，发表论文50多篇；撰写专著6部。现任国家级精品课、国家级精品资源共享课负责人；主编教材获得国家级十一五规划教材和国家级十二五规划教材；获得市级教学成果奖3项。
|
| 目錄：
|
目录
第1章模式识别概述
11模式识别的基本概念
12统计模式识别
121统计模式识别研究的主要问题
122统计模式识别方法简介
13分类分析
131分类器设计
132分类器的选择
133训练与学习
14聚类分析
141聚类的设计
142基于试探法的聚类设计
143基于群体智能优化算法的聚类设计
15模式识别的应用
本章小结
习题1
第2章特征的选择与优化
21特征空间优化设计问题
22样本特征库初步分析
23样品筛选处理
24特征筛选处理
25特征评估
26基于主成分分析的特征提取
27特征空间描述与分析
271特征空间描述
272特征空间分布分析
28手写数字特征提取与分析
281手写数字特征提取
282手写数字特征空间分布分析
本章小结
习题2
第3章模式相似性测度
31模式相似性测度的基本概念
32距离测度分类法
321模板匹配法
322基于PCA的模板匹配法
323马氏距离分类
本章小结
习题3
第4章基于概率统计的贝叶斯分类器设计
41贝叶斯决策的基本概念
411贝叶斯决策所讨论的问题
412贝叶斯公式
42基于最小错误率的贝叶斯决策
43基于最小风险的贝叶斯决策
44贝叶斯决策比较
45基于最小错误率的贝叶斯分类实现
46基于最小风险的贝叶斯分类实现
本章小结
习题4
第5章判别函数分类器设计
51判别函数的基本概念
52线性判别函数
53线性判别函数的实现
54感知器算法
55Fisher分类
56基于核的Fisher分类
57支持向量机
本章小结
习题5
第6章神经网络分类器设计
61人工神经网络的基本原理
611人工神经元
612人工神经网络模型
613神经网络的学习过程
614人工神经网络在模式识别问题上的优势
62BP神经网络
621BP神经网络的基本概念
622BP神经网络分类器设计
63径向基函数神经网络RBF
631径向基函数神经网络的基本概念
632径向基函数神经网络分类器设计
64自组织竞争神经网络
641自组织竞争神经网络的基本概念
642自组织竞争神经网络分类器设计
65概率神经网络PNN
651概率神经网络的基本概念
652概率神经网络分类器设计
66对向传播神经网络CPN
661对向传播神经网络的基本概念
662对向传播神经网络分类器设计
67反馈型神经网络Hopfield
671Hopfield网络的基本概念
672Hopfield神经网络分类器设计
本章小结
习题6
第7章决策树分类器设计
71决策树的基本概念
72决策树分类器设计
本章小结
习题7
第8章粗糙集分类器设计
81粗糙集理论的基本概念
82粗糙集在模式识别中的应用
83粗糙集分类器设计
本章小结
习题8
第9章聚类分析
91聚类的设计
92基于试探的未知类别聚类算法
921最临近规则的试探法
922最大最小距离算法
93层次聚类算法
931最短距离法
932重心法
94动态聚类算法
941K均值算法
942迭代自组织的数据分析算法（ISODATA）
95模拟退火聚类算法
951模拟退火的基本概念
952基于模拟退火思想的改进K均值聚类算法
本章小结
习题9
第10章模糊聚类分析
101模糊集的基本概念
10２模糊集运算
10２1模糊子集运算
10２2模糊集运算性质
10３模糊关系
104模糊集在模式识别中的应用
105基于模糊的聚类分析
本章小结
习题10
第11章遗传算法聚类分析
111遗传算法的基本原理
11２遗传算法的构成要素
1121染色体的编码
1122适应度函数
1123遗传算子
113控制参数的选择
11４基于遗传算法的聚类分析
本章小结
习题11
第12章粒子群算法聚类分析
121粒子群算法的基本原理
122基于粒子群算法的聚类分析
本章小结
习题12
第13章Memetic算法仿生计算
131Memetic算法
132Memetic算法仿生计算在聚类分析中的应用
本章小结
习题13
参考文献
|
| 內容試閱：
|
前言
模式识别已经成为当代高科技研究的重要领域之一，它已发展成为一门独立的新学科。模式识别技术迅速扩展，已经应用在人工智能、机器人、系统控制、遥感数据分析、生物医学工程、军事目标识别等领域，几乎遍及各个学科领域，在国民经济、国防建设、社会发展的各个方面得到广泛应用，产生了深远的影响。
第3版书以实用性、可操作性和实践性为宗旨，精简内容，去掉没有实践性代码的理论内容，书中所述理论知识均提供实现步骤、示范性代码及验证实例的效果图示，以达到理论与实践相结合的目的。为使读者更好地理解相关知识，叙述内容更加详实，补充了概率神经网络知识等新内容。同时，将群体智能的先进思想扩充到模式识别体系中，以一种新的体系，系统、全面地介绍了模式识别的理论、方法及应用。全书分为三部分（共14章）。第一部分基础篇，内容包括模式识别的基本概念，特征的选择与提取，模式相似性测度。这一部分介绍模式识别的基本概念和基本方法。第二部分分类器设计篇，内容包括：贝叶斯Bayes分类器设计，判别函数设计，神经网络分类器设计，决策树分类器设计，粗糙集分类器设计。这一部分利用手写数字分类识别的具体实例把模式识别方法结合起来，为广大研究工作者和工程技术人员对相关理论的应用起到借鉴作用。第三部分聚类分析，内容包括基本聚类算法，模拟退火聚类分析，模糊聚类分析，禁忌搜索算法聚类分析，遗传算法聚类分析，群体智能聚类算法（蚁群算法聚类分析,粒子算法群聚类分析）。这一部分采用一幅含有需要聚类分析的图像形象生动地说明各种聚类算法。
国内外论述模式识别技术的书籍不少，但由于这一领域涉及深奥的数学理论，往往使实际工作者感到困难，而大部分书是罗列模式识别的各种算法，见不到算法的实际效果和各种算法对比的结果，而这正是学习者和实际工作者所需要了解和掌握的内容。目前还确实缺少一本关于模式识别技术在实际应用方面具有系统性、可比性和实用性的参考书。
本书特点如下：
1 选用新技术。除了介绍许多重要经典的内容以外，书中还包括了最近十几年来才刚刚发展起来的并被实践证明有用的新技术、新理论，比如支持向量机、BP神经网络、RBF神经网络、PNN神经网络、CPN神经网络、SORNN神经网络、决策树、粗糙集理论、模糊集理论、模拟退火、遗传算法、蚁群算法、 粒子群算法等，并将这些新技术应用于模式识别当中，提供这些新技术的实现方法和源代码。
2 实用性强。针对实例介绍理论和技术，使理论和实践相结合，避免了空洞的理论说教。书中实例取材于手写数字模式识别，对于数字识别属于多类问题，在实际应用中具有广泛的代表性，读者对程序稍加改进，就可以应用到不同的场合，如文字识别、字符识别、图形识别等。
3 编排合理，符合认知规律。针对每一种模式识别技术，书中分为理论基础、实现步骤、编程代码三部分。在掌握了基本理论之后，按照实现步骤的指导，可以了解算法的实现思路和方法，再进一步体会短小精悍的核心代码，学习者可以很快掌握模式识别技术，经过应用本书提供的实例程序，立刻会见到算法的实际效果。书中所有算法都用Matlab编程实现，便于读者学习和应用。
本书内容基本涵盖了目前模式识别重要的理论和方法，但并没有简单地将各种理论方法堆砌起来，而是将作者自身的研究成果和实践经验传授给读者，在介绍各种理论和方法时，将不同算法应用于实际中，内容包括需要应用模式识别技术解决的问题，模式识别理论的讲解和推理，将理论转化为编程的步骤，计算机能够运行的源代码，计算机运行模式识别算法程序后的效果，以及不同算法应用于同一个问题的效果对比。使读者面对如此丰富的理论和方法不至于无所适从，而是有所学就会有所用。
由于至今还没有统一的、有效的可应用于所有的模式识别的理论，当前的一种普遍看法是，不存在对所有的模式识别问题都适用的单一模型和解决识别问题的单一技术，我们所要做的是把模式识别方法与具体问题结合起来，把模式识别与统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论结合起来，为读者提供一个多种理论的测试平台，并在此基础上，深入掌握各种理论的效能和应用的可能性，互相取长补短，开创模式识别应用的新局面。
本书可作为高等院校计算机工程、信息工程、生物医学工程、智能机器人学、工业自动化、模式识别等学科研究生、本科生的教材或教学参考书，也可供有关工程技术人员参考。
参加本书编写的还有祁稳杰、申婷婷、叶诚、谷林、陈品、郭俊、姜娇娇、祁家家、杨作寿、马振洋、邓飞、陶先贵等，他们在作者指导下的研究工作中付出了辛苦的劳动，取得了有益的研究成果，正是在他们的努力下本书得以顺利完成，在此表示衷心的感谢。同时，对张桦教授、徐伯夏研究员、李兰友教授给予的帮助和支持表示衷心的感谢。本书的出版得到天津理工大学出版基金的资助。由于编者业务水平和实践经验有限，书中缺点与错误在所难免，欢迎读者予以指正！
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
