- 模式识别与人工智能(基于MATLAB)
- - 作者：编者:周润景
  - 出版社：清华大学
  - ISBN：9787302486350
  - 出版日期：2018/07/01
  - 页数：387
- 售价：35.6

内容大纲
周润景编著的《模式识别与人工智能(基于MATLAB)》将模式识别与人工智能理论和实际应用相结合，以酒瓶颜色分类为例，介绍各种算法理论及相应的MATLAB实现程序。全书共分为10章，内容包括模式识别概述、贝叶斯分类器设计、判别函数分类器设计、聚类分析、模糊聚类分析、神经网络聚类设计、模拟退火算法聚类设计、遗传算法聚类设计、蚁群算法聚类设计、粒子群算法聚类设计，覆盖了各种常用的模式识别技术。
本书可作为高等院校自动化、计算机、电子和通信等专业研究生和高年级本科生的教材，也可作为计算机信息处理、自动控制等相关领域工程技术人员的参考用书。
作者介绍
目录
第1章  模式识别概述
  1.1  模式识别的基本概念
    1.1.1  模式的描述方法
    1.1.2  模式识别系统
  1.2  模式识别的基本方法
  1.3  模式识别的应用
  习题
第2章  贝叶斯分类器设计
  2.1  贝叶斯决策及贝叶斯公式
    2.1.1  贝叶斯决策简介
    2.1.2  贝叶斯公式
  2.2  基于最小错误率的贝叶斯决策
    2.2.1  基于最小错误率的贝叶斯决策理论
    2.2.2  最小错误率贝叶斯分类的计算过程
    2.2.3  最小错误率贝叶斯分类的MATLAB实现
    2.2.4  结论
  2.3  最小风险贝叶斯决策
    2.3.1  最小风险贝叶斯决策理论
    2.3.2  最小错误率与最小风险的贝叶斯决策比较
    2.3.3  贝叶斯算法的计算过程
    2.3.4  最小风险贝叶斯分类的MATLAB实现
    2.3.5  结论
  习题
第3章  判别函数分类器设计
  3.1  判别函数简介
  3.2  线性判别函数
  3.3  线性判别函数的实现
  3.4  基于LMSE的分类器设计
    3.4.1  LMSE分类法简介
    3.4.2  LMSE算法原理
    3.4.3  LMSE算法步骤
    3.4.4  LMSE算法的MATLAB实现
    3.4.5  结论
  3.5  基于Fisher的分类器设计
    3.5.1  Fisher判别法简介
    3.5.2  Fisher判别法的原理
    3.5.3  Fisher分类器设计
    3.5.4  Fisher算法的MATLAB实现
    3.5.5  识别待测样本类别
    3.5.6  结论
  3.6  基于支持向量机的分类法
    3.6.1  支持向量机简介
    3.6.2  支持向量机基本思想
    3.6.3  支持向量机的几个主要优点
    3.6.4  训练集为非线性情况
    3.6.5  核函数
    3.6.6  多类分类问题
    3.6.7  基于SVM的MATLAB实现
    3.6.8  结论
  习题

第4章  聚类分析
  4.1  聚类分析
    4.1.1  聚类的定义
    4.1.2  聚类准则
    4.1.3  基于试探法的聚类设计
  4.2  数据聚类——K均值聚类
    4.2.1  K均值聚类简介
    4.2.2  K均值聚类原理
    4.2.3  K均值算法的优缺点
    4.2.4  K均值聚类的MATLAB实现
    4.2.5  待聚类样本的分类结果
    4.2.6  结论
  4.3  数据聚类——基于取样思想的改进K均值聚类
    4.3.1  K均值改进算法的思想
  ……
第5章  模糊聚类分析
第6章  神经网络聚类设计
第7章  模拟退火算法聚类设计
第8章  遗传算法聚类设计
第9章  蚁群算法聚类设计
第10章  粒子群算法聚类设计
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目