注冊(cè) | 登錄讀書(shū)好,好讀書(shū),讀好書(shū)!
讀書(shū)網(wǎng)-DuShu.com
當(dāng)前位置: 首頁(yè)出版圖書(shū)科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)軟件與程序設(shè)計(jì)C/C++及其相關(guān)圖像模式識(shí)別:VC++技術(shù)實(shí)現(xiàn)

圖像模式識(shí)別:VC++技術(shù)實(shí)現(xiàn)

圖像模式識(shí)別:VC++技術(shù)實(shí)現(xiàn)

定 價(jià):¥36.00

作 者: 楊淑瑩編著
出版社: 清華大學(xué)出版社
叢編項(xiàng): 高等學(xué)校計(jì)算機(jī)科學(xué)與技術(shù)教材
標(biāo) 簽: 模式識(shí)別

ISBN: 9787810824811 出版時(shí)間: 2005-07-01 包裝: 平裝
開(kāi)本: 26cm+光盤(pán)1片 頁(yè)數(shù): 274 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  本書(shū)介紹圖像模式識(shí)別的各種算法及其編程實(shí)現(xiàn)步驟。全書(shū)共分為10章,內(nèi)容包括:模式識(shí)別的基本概念,位圖的基礎(chǔ)知識(shí),分類(lèi)器設(shè)計(jì),模板匹配分類(lèi)器,基于概率統(tǒng)計(jì)的Bayes分類(lèi)器,幾何分類(lèi)器,神經(jīng)網(wǎng)絡(luò)分類(lèi)器,圖像分割與特征提取,聚類(lèi)分析,模糊聚類(lèi)分析,遺傳算法聚類(lèi)分析。本書(shū)實(shí)用性強(qiáng),選材新穎,包括了神經(jīng)網(wǎng)絡(luò)、模糊集理論、遺傳算法等新技術(shù),針對(duì)每一種模式識(shí)別技術(shù),書(shū)中分為理論基礎(chǔ)、實(shí)現(xiàn)步驟、編程代碼三部分,所有算法都用VC++編程實(shí)現(xiàn),程序結(jié)構(gòu)簡(jiǎn)單,代碼簡(jiǎn)潔,便于初學(xué)者很快掌握模式識(shí)別技術(shù)。本書(shū)可作為高等院校計(jì)算機(jī)工程、信息工程、生物醫(yī)學(xué)工程、智能機(jī)器人學(xué)、工業(yè)自動(dòng)化、模式識(shí)別等學(xué)科本科生、研究生的教材或教學(xué)參考書(shū),亦可供有關(guān)工程技術(shù)人員參考。

作者簡(jiǎn)介

暫缺《圖像模式識(shí)別:VC++技術(shù)實(shí)現(xiàn)》作者簡(jiǎn)介

圖書(shū)目錄

第1章 模式識(shí)別的基本概念
1.1   模式識(shí)別的基本概念
1.2   圖像識(shí)別
1.3   位圖基礎(chǔ)
1.3.1  數(shù)字圖像的基本概念
1.3.2  BMP文件結(jié)構(gòu)
1.3.3  Cdib類(lèi)庫(kù)的建立
小結(jié)
習(xí)題
第2章 分類(lèi)器設(shè)計(jì)
2.1   特征空間優(yōu)化設(shè)計(jì)問(wèn)題
2.2   分類(lèi)器設(shè)計(jì)準(zhǔn)則
2.3   分類(lèi)器設(shè)計(jì)基本方法
2.4   判別函數(shù)
2.5   分類(lèi)器的選擇
2.6   訓(xùn)練與學(xué)習(xí)
小結(jié)
習(xí)題
第3章 模板匹配分類(lèi)器
3.1   特征類(lèi)設(shè)計(jì)
3.2   待測(cè)樣品特征提取
3.3   訓(xùn)練集特征庫(kù)的建立
3.4   模板匹配分類(lèi)法
小結(jié)
習(xí)題
第4章 基于概率統(tǒng)計(jì)的Bayes分類(lèi)器
4.1   Bayes決策的基本概念
4.1.1  Bayes決策所討論的問(wèn)題
4.1.2  Bayes公式
4.2   基于最小錯(cuò)誤率的Bayes決策
4.3   基于最小風(fēng)險(xiǎn)的Bayes決策
4.4   Bayes決策比較
4.5   基于二值數(shù)據(jù)的Bayes分類(lèi)實(shí)現(xiàn)
4.6   基于最小錯(cuò)誤率的Bayes分類(lèi)實(shí)現(xiàn)
4.7   基于最小風(fēng)險(xiǎn)的Bayes分類(lèi)實(shí)現(xiàn)
小結(jié)
習(xí)題
第5章 幾何分類(lèi)器
5.1   幾何分類(lèi)器的基本概念
5.2   線(xiàn)性判別函數(shù)
5.3   線(xiàn)性判別函數(shù)的實(shí)現(xiàn)
5.4   感知器算法
5.5   增量校正算法
5.6   LMSE驗(yàn)證可分性
5.7   LMSE分類(lèi)算法
5.8   Fisher分類(lèi)
5.9   線(xiàn)性分類(lèi)器實(shí)現(xiàn)分類(lèi)的局限性
5.10  非線(xiàn)性判別函數(shù)
5.11   分段線(xiàn)性判別函數(shù)
5.12  勢(shì)函數(shù)法
小結(jié)
習(xí)題
第6章 神經(jīng)網(wǎng)絡(luò)分類(lèi)器
6.1   人工神經(jīng)網(wǎng)絡(luò)的基本原理
6.1.1  人工神經(jīng)元
6.1.2  人工神經(jīng)網(wǎng)絡(luò)模型
6.1.3  神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程
6.1.4  人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別問(wèn)題上的優(yōu)勢(shì)
6.2   BP網(wǎng)絡(luò)設(shè)計(jì)
6.2.1  三層BP網(wǎng)絡(luò)學(xué)習(xí)算法
6.2.2  BP網(wǎng)絡(luò)設(shè)計(jì)需要考慮的問(wèn)題
6.3   神經(jīng)網(wǎng)絡(luò)分類(lèi)器設(shè)計(jì)
小結(jié)
習(xí)題
第7章 圖像分割與特征提取
7.1   聚類(lèi)簡(jiǎn)介
7.2   圖像閾值分割
7.2.1  直方圖門(mén)限造反閾值
7.2.2  半閾值選擇分割
7.3   圖像的標(biāo)識(shí)及特征提取
7.4   圖像的輪廓提取
7.5   圖像的測(cè)量
7.5.1  二值圖像的區(qū)域面積測(cè)量
7.5.2  二值圖像的周長(zhǎng)測(cè)量
小結(jié)
習(xí)題
第8章 聚類(lèi)分析
8.1   聚類(lèi)的設(shè)計(jì)
8.2   模式相似性測(cè)量
8.3   基于試探的未知類(lèi)別聚類(lèi)算法
8.3.1  最臨近規(guī)則的試探法
8.3.2  最大最小距離算法
8.4   層次聚類(lèi)算法
8.4.1  最短距離法
8.4.2  最長(zhǎng)距離法
8.4.3  中間距離法
8.4.4  重心法
8.4.5  類(lèi)平均距離法
8.5   動(dòng)態(tài)聚類(lèi)算法
8.5.1  K均值算法
8.5.2  迭代自組織的數(shù)據(jù)分析算法(ISODATA)
小結(jié)
習(xí)題
第9章 模糊聚類(lèi)分析
9.1   模糊集的基本概念
9.2   模糊集運(yùn)算
9.2.1  模糊子集運(yùn)算
9.2.2  模糊集運(yùn)算性質(zhì)
9.3   模糊關(guān)系
9.4   模糊集在模式識(shí)別中的應(yīng)用
9.5   模糊聚類(lèi)分析
小結(jié)
習(xí)題
第10章 遺傳算法聚類(lèi)分析
10.1  遺傳算法基本概念
10.2  遺傳算法的構(gòu)成要素
10.2.1 染色體的編碼
10.2.2 適應(yīng)度函數(shù)
10.2.3 遺傳算子
10.3  控制參數(shù)的選擇
10.4  基于遺傳算法的聚類(lèi)分析
小結(jié)
習(xí)題
附錄A 幾種主要矩陣運(yùn)算的程序代碼
參考文獻(xiàn)

本目錄推薦

掃描二維碼
Copyright ? 讀書(shū)網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)