幫助中心 | 我的帳號 | 關於我們

模式識別與人工智慧(基於MATLAB)

  • 作者:編者:周潤景
  • 出版社:清華大學
  • ISBN:9787302486350
  • 出版日期:2018/07/01
  • 裝幀:平裝
  • 頁數:387
人民幣:RMB 89 元      售價:
放入購物車
加入收藏夾

內容大鋼
    周潤景編著的《模式識別與人工智慧(基於MATLAB)》將模式識別與人工智慧理論和實際應用相結合,以酒瓶顏色分類為例,介紹各種演算法理論及相應的MATLAB實現程序。全書共分為10章,內容包括模式識別概述、貝葉斯分類器設計、判別函數分類器設計、聚類分析、模糊聚類分析、神經網路聚類設計、模擬退火演算法聚類設計、遺傳演算法聚類設計、蟻群演算法聚類設計、粒子群演算法聚類設計,覆蓋了各種常用的模式識別技術。
    本書可作為高等院校自動化、電腦、電子和通信等專業研究生和高年級本科生的教材,也可作為電腦信息處理、自動控制等相關領域工程技術人員的參考用書。

作者介紹
編者:周潤景

目錄
第1章  模式識別概述
  1.1  模式識別的基本概念
    1.1.1  模式的描述方法
    1.1.2  模式識別系統
  1.2  模式識別的基本方法
  1.3  模式識別的應用
  習題
第2章  貝葉斯分類器設計
  2.1  貝葉斯決策及貝葉斯公式
    2.1.1  貝葉斯決策簡介
    2.1.2  貝葉斯公式
  2.2  基於最小錯誤率的貝葉斯決策
    2.2.1  基於最小錯誤率的貝葉斯決策理論
    2.2.2  最小錯誤率貝葉斯分類的計算過程
    2.2.3  最小錯誤率貝葉斯分類的MATLAB實現
    2.2.4  結論
  2.3  最小風險貝葉斯決策
    2.3.1  最小風險貝葉斯決策理論
    2.3.2  最小錯誤率與最小風險的貝葉斯決策比較
    2.3.3  貝葉斯演算法的計算過程
    2.3.4  最小風險貝葉斯分類的MATLAB實現
    2.3.5  結論
  習題
第3章  判別函數分類器設計
  3.1  判別函數簡介
  3.2  線性判別函數
  3.3  線性判別函數的實現
  3.4  基於LMSE的分類器設計
    3.4.1  LMSE分類法簡介
    3.4.2  LMSE演算法原理
    3.4.3  LMSE演算法步驟
    3.4.4  LMSE演算法的MATLAB實現
    3.4.5  結論
  3.5  基於Fisher的分類器設計
    3.5.1  Fisher判別法簡介
    3.5.2  Fisher判別法的原理
    3.5.3  Fisher分類器設計
    3.5.4  Fisher演算法的MATLAB實現
    3.5.5  識別待測樣本類別
    3.5.6  結論
  3.6  基於支持向量機的分類法
    3.6.1  支持向量機簡介
    3.6.2  支持向量機基本思想
    3.6.3  支持向量機的幾個主要優點
    3.6.4  訓練集為非線性情況
    3.6.5  核函數
    3.6.6  多類分類問題
    3.6.7  基於SVM的MATLAB實現
    3.6.8  結論
  習題

第4章  聚類分析
  4.1  聚類分析
    4.1.1  聚類的定義
    4.1.2  聚類準則
    4.1.3  基於試探法的聚類設計
  4.2  數據聚類——K均值聚類
    4.2.1  K均值聚類簡介
    4.2.2  K均值聚類原理
    4.2.3  K均值演算法的優缺點
    4.2.4  K均值聚類的MATLAB實現
    4.2.5  待聚類樣本的分類結果
    4.2.6  結論
  4.3  數據聚類——基於取樣思想的改進K均值聚類
    4.3.1  K均值改進演算法的思想
  ……
第5章  模糊聚類分析
第6章  神經網路聚類設計
第7章  模擬退火演算法聚類設計
第8章  遺傳演算法聚類設計
第9章  蟻群演算法聚類設計
第10章  粒子群演算法聚類設計
參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032