作者：杨淑莹 著
页数：308
出版社：电子工业出版社
出版日期：2025
ISBN：9787121490217
电子书格式：pdf/epub/txt
网盘下载地址：下载模式识别与智能计算――MATLAB技术实现(第5版)
内容简介
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。本书第5版在现有版本的基础上做了优化，改动量为30%，篇幅由之前的13章压缩到11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，聚类分析，遗传算法聚类分析,群体智能算法分析等。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。
作者简介
杨淑莹，天津理工大学计算机科学与工程学院教授，全国优秀教师，天津市教学名师。多年来，杨教授坚守教学一线，承担“数字图像处理”、“模式识别”等课程的教学任务。她刻苦钻研算机视觉、模式识别等前沿技术，承担多项省部级以上科研项目，获得省部级科技进步奖2项。重构教学内容，将跨学科知识点与项目融合，经典与前沿技术融合，实践体系与项目案例融合，主讲课程被评为国家级线上线下混合式一流课程和国家级精品课。
目录
第１ 篇 基 础 篇
第１ 章 模式识别概述 ………………………………………………………………………… ２
１?? １ 模式识别的基本概念……………………………………………………………………… ２
１?? ２ 统计模式识别 …………………………………………………………………………… ５
１?? ２?? １ 统计模式识别研究的主要问题 …………………………………………………… ５
１?? ２?? ２ 统计模式识别方法简介…………………………………………………………… ６
１?? ３ 分类分析 ………………………………………………………………………………… ９
１?? ３?? １ 分类器设计 ……………………………………………………………………… ９
１?? ３?? ２ 分类器的选择…………………………………………………………………… １１
１?? ３?? ３ 训练与学习 …………………………………………………………………… １２
１?? ４ 聚类分析 ……………………………………………………………………………… １２
１?? ４?? １ 聚类的设计 …………………………………………………………………… １３
１?? ４?? ２ 基于试探法的聚类设计 ………………………………………………………… １４
１?? ４?? ３ 基于群体智能优化算法的聚类设计 ……………………………………………… １５
１?? ５ 模式识别的应用 ………………………………………………………………………… １６
本章小结……………………………………………………………………………………… １６
习题 １ ……………………………………………………………………………………… １７
第２ 章 特征的选择与优化 …………………………………………………………………… １８
２?? １ 特征空间优化设计问题 ………………………………………………………………… １８
２?? ２ 样本特征库初步分析 …………………………………………………………………… １９
２?? ３ 样本筛选处理 …………………………………………………………………………… ２０
２?? ４ 特征筛选处理 …………………………………………………………………………… ２０
２?? ５ 特征评估 ……………………………………………………………………………… ２２
２?? ６ 基于主成分分析的特征提取……………………………………………………………… ２４
２?? ７ 特征空间描述与分布分析 ……………………………………………………………… ２７
２?? ７?? １ 特征空间描述…………………………………………………………………… ２７
２?? ７?? ２ 特征空间分布分析 ……………………………………………………………… ３２
２?? ８ 手写数字特征提取与空间分布分析 ……………………………………………………… ３５
２?? ８?? １ 手写数字特征提取 ……………………………………………………………… ３５
２?? ８?? ２ 手写数字特征空间分布分析 …………………………………………………… ３６
本章小结……………………………………………………………………………………… ４１
习题 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章 模式相似性测度 ……………………………………………………………………… ４２
３?? １ 模式相似性测度的基本概念……………………………………………………………… ４２
３?? ２ 距离测度分类法 ………………………………………………………………………… ４５
３?? ２?? １ 模板匹配法 …………………………………………………………………… ４５
３?? ２?? ２ 基于 ＰＣＡ 的模板匹配法 ………………………………………………………… ４７
３?? ２?? ３ 马氏距离分类…………………………………………………………………… ４９
本章小结……………………………………………………………………………………… ５１
习题 ３ ……………………………………………………………………………………… ５１
第２ 篇 分类器设计篇
第４ 章 基于概率统计的贝叶斯分类器设计 ………………………………………………… ５３
４?? １ 贝叶斯决策的基本概念 ………………………………………………………………… ５３
４?? １?? １ 贝叶斯决策所讨论的问题 ……………………………………………………… ５３
４?? １?? ２ 贝叶斯公式 …………………………………………………………………… ５４
４?? ２ 基于最小错误率的贝叶斯决策…………………………………………………………… ５６
４?? ３ 基于最小风险的贝叶斯决策……………………………………………………………… ５９
４?? ４ 贝叶斯决策比较 ………………………………………………………………………… ６１
４?? ５ 基于最小错误率的贝叶斯分类实现 ……………………………………………………… ６２
４?? ６ 基于最小风险的贝叶斯分类实现 ………………………………………………………… ６６
本章小结……………………………………………………………………………………… ６９
习题 ４ ……………………………………………………………………………………… ６９
第５ 章 判别函数分类器设计 ………………………………………………………………… ７０
５?? １ 判别函数的基本概念 …………………………………………………………………… ７０
５?? ２ 线性判别函数的概念 …………………………………………………………………… ７１
５?? ３ 线性判别函数的实现 …………………………………………………………………… ７５
５?? ４ 感知器算法……………………………………………………………………………… ７６
５?? ５ 增量校正算法 …………………………………………………………………………… ８３
５?? ６ ＬＭＳＥ 分类算法 ………………………………………………………………………… ８９
５?? ７ Ｆｉｓｈｅｒ 分类 ……………………………………………………………………………… ９２
５?? ８ 基于核的 Ｆｉｓｈｅｒ 分类 …………………………………………………………………… ９６
５?? ９ 势函数法 ……………………………………………………………………………… １０３
５?? １０ 支持向量机…………………………………………………………………………… １０８
本章小结 …………………………………………………………………………………… １１４
习题 ５ ……………………………………………………………………………………… １１４
第６ 章 神经网络分类器设计 ……………………………………………………………… １１５
６?? １ 人工神经网络的基本原理 ……………………………………………………………… １１５
６?? １?? １ 人工神经元 …………………………………………………………………… １１５
６?? １?? ２ 人工神经网络模型 …………………………………………………………… １１８
６?? １?? ３ 神经网络的学习过程…………………………………………………………… １２１
Ⅵ
６?? １?? ４ 人工神经网络在模式识别问题上的优势………………………………………… １２１
６?? ２ ＢＰ 神经网络 …………………………………………………………………………… １２２
６?? ２?? １ ＢＰ 神经网络的基本概念 ……………………………………………………… １２２
６?? ２?? ２ ＢＰ 神经网络分类器设计 ……………………………………………………… １２７
６?? ３ 径向基函数 （ＲＢＦ） 神经网络 ………………………………………………………… １３２
６?? ３?? １ 径向基函数神经网络的基本概念 ……………………………………………… １３２
６?? ３?? ２ 径向基函数神经网络分类器设计 ……………………………………………… １３６
６?? ４ 自组织竞争神经网络…………………………………………………………………… １３９
６?? ４?? １ 自组织竞争神经网络的基本概念 ……………………………………………… １３９
６?? ４?? ２ 自组织竞争神经网络分类器设计 ……………………………………………… １４１
６?? ５ 概率神经网络 （ＰＮＮ） ………………………………………………………………… １４４
６?? ５?? １ 概率神经网络的基本概念 ……………………………………………………… １４４
６?? ５?? ２ 概率神经网络分类器设计 ……………………………………………………… １４８
第１ 章 模式识别概述 ………………………………………………………………………… ２
１?? １ 模式识别的基本概念……………………………………………………………………… ２
１?? ２ 统计模式识别 …………………………………………………………………………… ５
１?? ２?? １ 统计模式识别研究的主要问题 …………………………………………………… ５
１?? ２?? ２ 统计模式识别方法简介…………………………………………………………… ６
１?? ３ 分类分析 ………………………………………………………………………………… ９
１?? ３?? １ 分类器设计 ……………………………………………………………………… ９
１?? ３?? ２ 分类器的选择…………………………………………………………………… １１
１?? ３?? ３ 训练与学习 …………………………………………………………………… １２
１?? ４ 聚类分析 ……………………………………………………………………………… １２
１?? ４?? １ 聚类的设计 …………………………………………………………………… １３
１?? ４?? ２ 基于试探法的聚类设计 ………………………………………………………… １４
１?? ４?? ３ 基于群体智能优化算法的聚类设计 ……………………………………………… １５
１?? ５ 模式识别的应用 ………………………………………………………………………… １６
本章小结……………………………………………………………………………………… １６
习题 １ ……………………………………………………………………………………… １７
第２ 章 特征的选择与优化 …………………………………………………………………… １８
２?? １ 特征空间优化设计问题 ………………………………………………………………… １８
２?? ２ 样本特征库初步分析 …………………………………………………………………… １９
２?? ３ 样本筛选处理 …………………………………………………………………………… ２０
２?? ４ 特征筛选处理 …………………………………………………………………………… ２０
２?? ５ 特征评估 ……………………………………………………………………………… ２２
２?? ６ 基于主成分分析的特征提取……………………………………………………………… ２４
２?? ７ 特征空间描述与分布分析 ……………………………………………………………… ２７
２?? ７?? １ 特征空间描述…………………………………………………………………… ２７
２?? ７?? ２ 特征空间分布分析 ……………………………………………………………… ３２
２?? ８ 手写数字特征提取与空间分布分析 ……………………………………………………… ３５
２?? ８?? １ 手写数字特征提取 ……………………………………………………………… ３５
２?? ８?? ２ 手写数字特征空间分布分析 …………………………………………………… ３６
本章小结……………………………………………………………………………………… ４１
习题 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章 模式相似性测度 ……………………………………………………………………… ４２
３?? １ 模式相似性测度的基本概念……………………………………………………………… ４２
３?? ２ 距离测度分类法 ………………………………………………………………………… ４５
３?? ２?? １ 模板匹配法 …………………………………………………………………… ４５
３?? ２?? ２ 基于 ＰＣＡ 的模板匹配法 ………………………………………………………… ４７
３?? ２?? ３ 马氏距离分类…………………………………………………………………… ４９
本章小结……………………………………………………………………………………… ５１
习题 ３ ……………………………………………………………………………………… ５１
第２ 篇 分类器设计篇
第４ 章 基于概率统计的贝叶斯分类器设计 ………………………………………………… ５３
４?? １ 贝叶斯决策的基本概念 ………………………………………………………………… ５３
４?? １?? １ 贝叶斯决策所讨论的问题 ……………………………………………………… ５３
４?? １?? ２ 贝叶斯公式 …………………………………………………………………… ５４
４?? ２ 基于最小错误率的贝叶斯决策…………………………………………………………… ５６
４?? ３ 基于最小风险的贝叶斯决策……………………………………………………………… ５９
４?? ４ 贝叶斯决策比较 ………………………………………………………………………… ６１
４?? ５ 基于最小错误率的贝叶斯分类实现 ……………………………………………………… ６２
４?? ６ 基于最小风险的贝叶斯分类实现 ………………………………………………………… ６６
本章小结……………………………………………………………………………………… ６９
习题 ４ ……………………………………………………………………………………… ６９
第５ 章 判别函数分类器设计 ………………………………………………………………… ７０
５?? １ 判别函数的基本概念 …………………………………………………………………… ７０
５?? ２ 线性判别函数的概念 …………………………………………………………………… ７１
５?? ３ 线性判别函数的实现 …………………………………………………………………… ７５
５?? ４ 感知器算法……………………………………………………………………………… ７６
５?? ５ 增量校正算法 …………………………………………………………………………… ８３
５?? ６ ＬＭＳＥ 分类算法 ………………………………………………………………………… ８９
５?? ７ Ｆｉｓｈｅｒ 分类 ……………………………………………………………………………… ９２
５?? ８ 基于核的 Ｆｉｓｈｅｒ 分类 …………………………………………………………………… ９６
５?? ９ 势函数法 ……………………………………………………………………………… １０３
５?? １０ 支持向量机…………………………………………………………………………… １０８
本章小结 …………………………………………………………………………………… １１４
习题 ５ ……………………………………………………………………………………… １１４
第６ 章 神经网络分类器设计 ……………………………………………………………… １１５
６?? １ 人工神经网络的基本原理 ……………………………………………………………… １１５
６?? １?? １ 人工神经元 …………………………………………………………………… １１５
６?? １?? ２ 人工神经网络模型 …………………………………………………………… １１８
６?? １?? ３ 神经网络的学习过程…………………………………………………………… １２１
Ⅵ
６?? １?? ４ 人工神经网络在模式识别问题上的优势………………………………………… １２１
６?? ２ ＢＰ 神经网络 …………………………………………………………………………… １２２
６?? ２?? １ ＢＰ 神经网络的基本概念 ……………………………………………………… １２２
６?? ２?? ２ ＢＰ 神经网络分类器设计 ……………………………………………………… １２７
６?? ３ 径向基函数 （ＲＢＦ） 神经网络 ………………………………………………………… １３２
６?? ３?? １ 径向基函数神经网络的基本概念 ……………………………………………… １３２
６?? ３?? ２ 径向基函数神经网络分类器设计 ……………………………………………… １３６
６?? ４ 自组织竞争神经网络…………………………………………………………………… １３９
６?? ４?? １ 自组织竞争神经网络的基本概念 ……………………………………………… １３９
６?? ４?? ２ 自组织竞争神经网络分类器设计 ……………………………………………… １４１
６?? ５ 概率神经网络 （ＰＮＮ） ………………………………………………………………… １４４
６?? ５?? １ 概率神经网络的基本概念 ……………………………………………………… １４４
６?? ５?? ２ 概率神经网络分类器设计 ……………………………………………………… １４８
