模式識別與智能計算的 MATLAB實(shí)現(xiàn)（第2版）

定　價：￥49.00

作　者：	許國根，賈瑛，韓啟龍著
出版社：	北京航空航天大學(xué)出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787512424005	出版時間：	2017-07-01	包裝：	平裝
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　模式識別與智能計算的MATLAB實(shí)現(xiàn)（第2版）　針對各學(xué)科數(shù)據(jù)信息的特點(diǎn)以及科學(xué)工作者對信息處理和數(shù)據(jù)挖掘技術(shù)的要求，本書既介紹了模式識別和智能計算的基礎(chǔ)知識，又較為詳細(xì)地介紹了現(xiàn)代模式識別和智能計算在科學(xué)研究中的應(yīng)用方法和各算法的MATLAB源程序。　本書可以幫助廣大的科學(xué)工作者掌握模式識別和智能計算方法，并應(yīng)用于實(shí)際的研究中，提高對海量數(shù)據(jù)信息的處理及挖掘能力，針對性和實(shí)用性強(qiáng)，具有較高的理論和實(shí)用價值。本書可作為高等院校計算機(jī)工程、信息工程、生物醫(yī)學(xué)工程、智能機(jī)器人、工業(yè)自動化、地質(zhì)、水利、化學(xué)和環(huán)境等專業(yè)研究生、本科生的教材或教學(xué)參考書，亦可供有關(guān)工程技術(shù)人員參考。

作者簡介

　　許國根，畢業(yè)于南京大學(xué)分析化學(xué)專業(yè)，長期奮斗在一線的高校資深化學(xué)教師。為了實(shí)現(xiàn)“數(shù)學(xué)化學(xué)”夢想，一直致力于數(shù)學(xué)在化學(xué)中的應(yīng)用，熱衷于MATLAB、模式識別、數(shù)據(jù)挖掘、化學(xué)計量學(xué)等相關(guān)知識的學(xué)習(xí)與應(yīng)用，撰寫過多部介紹MATLAB在化學(xué)中應(yīng)用技巧的書籍。

圖書目錄

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(tǒng)……………………………………………………………………… 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(nèi)容……………………………………………………………… 3
1.4 模式識別在科學(xué)研究中的應(yīng)用………………………………………………………… 3
1.4.1 化合物的構(gòu)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(jī)械故障診斷與監(jiān)測……………………………………………………………… 5
1.4.6 化學(xué)物質(zhì)源產(chǎn)地判斷……………………………………………………………… 6
1.4.7 疾病的診斷與預(yù)測………………………………………………………………… 6
1.4.8 礦藏勘探…………………………………………………………………………… 7
1.4.9 考古及食品工業(yè)中的應(yīng)用………………………………………………………… 7
第2章統(tǒng)計模式識別技術(shù)………………………………………………………………… 8
2.1 基于概率統(tǒng)計的貝葉斯分類方法…………………………………………………… 8
2.1.1 最小錯誤率貝葉斯分類…………………………………………………………… 9
2.1.2 最小風(fēng)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(shù)……………………………………………………………………… 12
2.2.2 Fisher線性判別函數(shù)……………………………………………………………… 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(shù)………………………………………………………………… 15
2.3.2 近鄰法……………………………………………………………………………… 17
2.3.3 勢函數(shù)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(zhǔn)則…………………………………………………………………………… 24
2.4.3 層次聚類法………………………………………………………………………… 25
2.4.4 動態(tài)聚類法………………………………………………………………………… 25
2.4.5 決策樹分類器……………………………………………………………………… 28
2.5 統(tǒng)計模式識別在科學(xué)研究中的應(yīng)用…………………………………………………29
第3章人工神經(jīng)網(wǎng)絡(luò)及模式識別…………………………………………………………43
3.1 人工神經(jīng)網(wǎng)絡(luò)的基本概念………………………………………………………… 43
3.1.1 人工神經(jīng)元………………………………………………………………………… 43
3.1.2 傳遞函數(shù)…………………………………………………………………………… 43
3.1.3 人工神經(jīng)網(wǎng)絡(luò)分類和特點(diǎn)………………………………………………………… 44
3.2 BP人工神經(jīng)網(wǎng)絡(luò)……………………………………………………………………… 44
3.2.1 BP人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法……………………………………………………… 44
3.2.2 BP人工神經(jīng)網(wǎng)絡(luò)MATLAB實(shí)現(xiàn)……………………………………………… 46
3.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)RBF …………………………………………………………… 47
3.3.1 RBF的結(jié)構(gòu)與學(xué)習(xí)算法…………………………………………………………… 47
3.3.2 RBF的MATLAB實(shí)現(xiàn)…………………………………………………………… 48
3.4 自組織競爭人工神經(jīng)網(wǎng)絡(luò)……………………………………………………………48
3.4.1 自組織競爭人工神經(jīng)網(wǎng)絡(luò)的基本概念…………………………………………… 48
3.4.2 自組織競爭神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法………………………………………………… 49
3.4.3 自組織競爭網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)……………………………………………… 49
3.5 對向傳播神經(jīng)網(wǎng)絡(luò)CPN ……………………………………………………………… 50
3.5.1 CPN 的基本概念………………………………………………………………… 50
3.5.2 CPN 網(wǎng)絡(luò)的學(xué)習(xí)算法…………………………………………………………… 50
3.6 反饋型神經(jīng)網(wǎng)絡(luò)Hopfield ……………………………………………………………51
3.6.1 Hopfield網(wǎng)絡(luò)的基本概念………………………………………………………… 51
3.6.2 Hopfield網(wǎng)絡(luò)的學(xué)習(xí)算法………………………………………………………… 52
3.6.3 Hopfield網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)………………………………………………… 53
3.7 人工神經(jīng)網(wǎng)絡(luò)技術(shù)在科學(xué)研究中的應(yīng)用………………………………………………53
第4章模糊系統(tǒng)理論及模式識別……………………………………………………………72
4.1 模糊系統(tǒng)理論基礎(chǔ)………………………………………………………………………72
4.1.1 模糊集合…………………………………………………………………………… 72
4.1.2 模糊關(guān)系…………………………………………………………………………… 75
4.1.3 模糊變換與模糊綜合評判………………………………………………………… 77
4.1.4 If…then規(guī)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 最大隸屬度原則…………………………………………………………………… 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(jīng)網(wǎng)絡(luò)……………………………………………………………………………85
4.3.1 模糊神經(jīng)網(wǎng)絡(luò)……………………………………………………………………… 85
4.3.2 模糊BP神經(jīng)網(wǎng)絡(luò)………………………………………………………………… 86
4.4 模糊邏輯系統(tǒng)及其在科學(xué)研究中的應(yīng)用……………………………………………… 86
第5章核函數(shù)方法及應(yīng)用…………………………………………………………………… 107
5.1 核函數(shù)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(shù)方法在科學(xué)研究中的應(yīng)用…………………………………………………… 119
第6章支持向量機(jī)及其模式識別…………………………………………………………… 130
6.1 統(tǒng)計學(xué)習(xí)理論基本內(nèi)容……………………………………………………………… 130
6.2 支持向量機(jī)…………………………………………………………………………… 131
6.2.1 最優(yōu)分類面……………………………………………………………………… 131
6.2.2 支持向量機(jī)模型………………………………………………………………… 132
6.3 支持向量機(jī)在模式識別中的應(yīng)用…………………………………………………… 134
第7章可拓學(xué)及其模式識別………………………………………………………………… 142
7.1 可拓學(xué)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(yù)測的物元模型…………………………………………………………… '3146
7.4 可拓學(xué)在科學(xué)研究中的應(yīng)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(chǔ)……………………………………………………………………… 154
8.1.1 分類規(guī)則的形成………………………………………………………………… 156
8.1.2 知識的約簡……………………………………………………………………… 157
8.2 粗糙神經(jīng)網(wǎng)絡(luò)………………………………………………………………………… 158
8.3 系統(tǒng)評估粗糙集方法………………………………………………………………… 158
8.3.1 模型結(jié)構(gòu)………………………………………………………………………… 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(xué)研究中的應(yīng)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(yīng)度函數(shù)……………………………………………………………………… 174
9.2.3 遺傳算子………………………………………………………………………… 175
9.3 控制參數(shù)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(shù)…………………………………………………… 180
9.5 基于遺傳算法的模式識別在科學(xué)研究中的應(yīng)用…………………………………… 180
9.5.1 遺傳算法的MATLAB實(shí)現(xiàn)…………………………………………………… 180
9.5.2 遺傳算法在科學(xué)研究中的應(yīng)用實(shí)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(diǎn)………………………………………………………………… 203
10.2 蟻群算法的改進(jìn)……………………………………………………………………… 203
10.2.1 自適應(yīng)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(jīng)網(wǎng)絡(luò)…………………………………………………………………… 204
10.3 聚類問題的蟻群算法………………………………………………………………… 205
10.3.1 聚類數(shù)目已知的聚類問題的蟻群算法………………………………………… 205
10.3.2 聚類數(shù)目未知的聚類問題的蟻群算法………………………………………… 206
10.4 蟻群算法在科學(xué)研究中的應(yīng)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(diǎn)…………………………………………………………………… 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(shí)現(xiàn)步驟………………………………………………………………………… 220
11.5 粒子群算法在科學(xué)研究中的應(yīng)用…………………………………………………… 221
第12章可視化模式識別技術(shù)……………………………………………………………… 229
12.1 高維數(shù)據(jù)的圖形表示方法…………………………………………………………… 229
12.1.1 輪廓圖…………………………………………………………………………… 229
12.1.2 雷達(dá)圖…………………………………………………………………………… 230
12.1.3 樹形圖…………………………………………………………………………… 230
12.1.4 三角多項式圖…………………………………………………………………… 231
12.1.5 散點(diǎn)圖…………………………………………………………………………… 231
12.1.6 星座圖…………………………………………………………………………… 232
12.1.7 臉譜圖…………………………………………………………………………… 233
12.2 圖形特征參數(shù)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(tǒng)方法及應(yīng)用……………………………………………………………… 241
13.1 灰色系統(tǒng)的基本概念………………………………………………………………… 241
13.1.1 灰數(shù)…………………………………………………………………………… 241
13.1.2 灰數(shù)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(guān)聯(lián)度分析………………………………………………………………… 244
13.3.2 無量綱化的關(guān)鍵算子…………………………………………………………… 244
13.3.3 關(guān)聯(lián)分析的主要步驟…………………………………………………………… 245
13.3.4 其他幾種灰色關(guān)聯(lián)度…………………………………………………………… 246
13.4 灰色聚類……………………………………………………………………………… 247
13.5 灰色系統(tǒng)建?！?247
13.5.1 GM(1,1)模型…………………………………………………………………… 247
13.5.2 GM(1,1)模型檢驗(yàn)……………………………………………………………… 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(zāi)變預(yù)測………………………………………………………………………… 251
13.7 灰色系統(tǒng)的應(yīng)用……………………………………………………………………… 252
第14章人工魚群等群體智能算法………………………………………………………… 258
第15章仿生模式識別……………………………………………………………………… 328
第16章模式識別的特征及確定…………………………………………………………… 348