编辑推荐

模式识别与智能计算的 MATLAB实现（第2版）

模式识别与智能计算已经成为当今科学研究中的一种重要的数据处理手段。本书理论联系实际，较为全面地介绍了现代模式识别和智能计算方法

及其应用技巧，通过大量的实例，讲解模式识别与智能计算的理论、算法及编程步骤，并提供了MATLAB程序的源代码 。

本书在MATLAB中文论坛设有交流平台。

内容简介

　　模式识别与智能计算的MATLAB实现（第2版）

　　针对各学科数据信息的特点以及科学工作者对信息处理和数据挖掘技术的要求,本书既介绍了模式识别和智能计算的基础知识,又较为详细地介绍了现代模式识别和智能计算在科学研究中的应用方法和各算法的MATLAB源程序。

　　本书可以帮助广大的科学工作者掌握模式识别和智能计算方法,并应用于实际的研究中,提高对海量数据信息的处理及挖掘能力,针对性和实用性强,具有较高的理论和实用价值。本书可作为高等院校计算机工程、信息工程、生物医学工程、智能机器人、工业自动化、地质、水利、化学和环境等专业研究生、本科生的教材或教学参考书,亦可供有关工程技术人员参考。

作者简介

许国根，毕业于南京大学分析化学专业，长期奋斗在一线的高校资深化学教师。为了实现“数学化学”梦想， 一直致力于数学在化学中的应用，热衷于MATLAB、模式识别、数据挖掘、化学计量学等相关知识的学习与应用，撰写过多部介绍MATLAB在化学中应用技巧的书籍。

内页插图

目录

第1章 绪 论…………………………………………………………………………………… 1

1.1 模式识别的基本概念…………………………………………………………………… 1

1.1.1 模式与模式识别的概念…………………………………………………………… 1

1.1.2 模式的特征………………………………………………………………………… 1

1.1.3 模式识别系统……………………………………………………………………… 2

1.2 模式识别的主要方法…………………………………………………………………… 2

1.3 模式识别的主要研究内容……………………………………………………………… 3

1.4 模式识别在科学研究中的应用………………………………………………………… 3

1.4.1 化合物的构效分析………………………………………………………………… 3

1.4.2 谱图解析…………………………………………………………………………… 4

1.4.3 材料研究…………………………………………………………………………… 4

1.4.4 催化剂研究………………………………………………………………………… 5

1.4.5 机械故障诊断与监测……………………………………………………………… 5

1.4.6 化学物质源产地判断……………………………………………………………… 6

1.4.7 疾病的诊断与预测………………………………………………………………… 6

1.4.8 矿藏勘探…………………………………………………………………………… 7

1.4.9 考古及食品工业中的应用………………………………………………………… 7

第2章 统计模式识别技术………………………………………………………………… 8

2.1 基于概率统计的贝叶斯分类方法…………………………………………………… 8

2.1.1 最小错误率贝叶斯分类…………………………………………………………… 9

2.1.2 最小风险率贝叶斯分类…………………………………………………………… 10

2.2 线性分类器………………………………………………………………………………12

2.2.1 线性判别函数……………………………………………………………………… 12

2.2.2 Fisher线性判别函数……………………………………………………………… 13

2.2.3 感知器算法………………………………………………………………………… 14

2.3 非线性分类器…………………………………………………………………………315

2.3.1 分段线性判别函数………………………………………………………………… 15

2.3.2 近邻法……………………………………………………………………………… 17

2.3.3 势函数法…………………………………………………………………………… 19

2.3.4 SIMCA 方法……………………………………………………………………… 20

2.4 聚类分析………………………………………………………………………………22

2.4.1 模式相似度………………………………………………………………………… 22

2.4.2 聚类准则…………………………………………………………………………… 24

2.4.3 层次聚类法………………………………………………………………………… 25

2.4.4 动态聚类法………………………………………………………………………… 25

2.4.5 决策树分类器……………………………………………………………………… 28

2.5 统计模式识别在科学研究中的应用…………………………………………………29

第3章 人工神经网络及模式识别…………………………………………………………43

3.1 人工神经网络的基本概念………………………………………………………… 43

3.1.1 人工神经元………………………………………………………………………… 43

3.1.2 传递函数…………………………………………………………………………… 43

3.1.3 人工神经网络分类和特点………………………………………………………… 44

3.2 BP人工神经网络……………………………………………………………………… 44

3.2.1 BP人工神经网络学习算法……………………………………………………… 44

3.2.2 BP人工神经网络MATLAB实现……………………………………………… 46

3.3 径向基函数神经网络RBF …………………………………………………………… 47

3.3.1 RBF的结构与学习算法…………………………………………………………… 47

3.3.2 RBF的MATLAB实现…………………………………………………………… 48

3.4 自组织竞争人工神经网络……………………………………………………………48

3.4.1 自组织竞争人工神经网络的基本概念…………………………………………… 48

3.4.2 自组织竞争神经网络的学习算法………………………………………………… 49

3.4.3 自组织竞争网络的MATLAB实现……………………………………………… 49

3.5 对向传播神经网络CPN ……………………………………………………………… 50

3.5.1 CPN 的基本概念………………………………………………………………… 50

3.5.2 CPN 网络的学习算法…………………………………………………………… 50

3.6 反馈型神经网络Hopfield ……………………………………………………………51

3.6.1 Hopfield网络的基本概念………………………………………………………… 51

3.6.2 Hopfield网络的学习算法………………………………………………………… 52

3.6.3 Hopfield网络的MATLAB实现………………………………………………… 53

3.7 人工神经网络技术在科学研究中的应用………………………………………………53

第4章 模糊系统理论及模式识别……………………………………………………………72

4.1 模糊系统理论基础………………………………………………………………………72

4.1.1 模糊集合…………………………………………………………………………… 72

4.1.2 模糊关系…………………………………………………………………………… 75

4.1.3 模糊变换与模糊综合评判………………………………………………………… 77

4.1.4 If…then规则……………………………………………………………………… 78

4.1.5 模糊推理…………………………………………………………………………… 78

4.2 模糊模式识别的基本方法………………………………………………………………79

4.2.1 最大隶属度原则…………………………………………………………………… 79

4.2.2 择近原则…………………………………………………………………………… 79

4.2.3 模糊聚类分析……………………………………………………………………… 81

4.3 模糊神经网络……………………………………………………………………………85

4.3.1 模糊神经网络……………………………………………………………………… 85

4.3.2 模糊BP神经网络………………………………………………………………… 86

4.4 模糊逻辑系统及其在科学研究中的应用……………………………………………… 86

第5章 核函数方法及应用…………………………………………………………………… 107

5.1 核函数方法…………………………………………………………………………… 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判别方法…………………………………………………………… 112

5.3.1 Fisher判别方法………………………………………………………………… 112

5.3.2 基于核的Fisher判别方法分析………………………………………………… 113

5.4 基于核的投影寻踪方法……………………………………………………………… 114

5.4.1 投影寻踪分析…………………………………………………………………… 114

5.4.2 基于核的投影寻踪分析………………………………………………………… 118

5.5 核函数方法在科学研究中的应用…………………………………………………… 119

第6章 支持向量机及其模式识别…………………………………………………………… 130

6.1 统计学习理论基本内容……………………………………………………………… 130

6.2 支持向量机…………………………………………………………………………… 131

6.2.1 最优分类面……………………………………………………………………… 131

6.2.2 支持向量机模型………………………………………………………………… 132

6.3 支持向量机在模式识别中的应用…………………………………………………… 134

第7章 可拓学及其模式识别………………………………………………………………… 142

7.1 可拓学概论…………………………………………………………………………… 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 可拓集合含义…………………………………………………………………… 145

7.2.2 物元可拓集合…………………………………………………………………… 146

7.3 可拓聚类预测的物元模型…………………………………………………………… '3146

7.4 可拓学在科学研究中的应用………………………………………………………… 147

第8章 粗糙集理论及其模式识别…………………………………………………………… 154

8.1 粗糙集理论基础……………………………………………………………………… 154

8.1.1 分类规则的形成………………………………………………………………… 156

8.1.2 知识的约简……………………………………………………………………… 157

8.2 粗糙神经网络………………………………………………………………………… 158

8.3 系统评估粗糙集方法………………………………………………………………… 158

8.3.1 模型结构………………………………………………………………………… 159

8.3.2 综合评估方法…………………………………………………………………… 159

8.4 粗糙集聚类方法……………………………………………………………………… 160

8.5 粗糙集理论在科学研究中的应用…………………………………………………… 161

第9章 遗传算法及其模式识别……………………………………………………………… 170

9.1 遗传算法的基本原理………………………………………………………………… 170

9.2 遗传算法分析………………………………………………………………………… 173

9.2.1 染色体的编码…………………………………………………………………… 173

9.2.2 适应度函数……………………………………………………………………… 174

9.2.3 遗传算子………………………………………………………………………… 175

9.3 控制参数的选择……………………………………………………………………… 177

9.4 模拟退火算法………………………………………………………………………… 178

9.4.1 模拟退火的基本概念…………………………………………………………… 178

9.4.2 模拟退火算法的基本过程……………………………………………………… 179

9.4.3 模拟退火算法中的控制参数…………………………………………………… 180

9.5 基于遗传算法的模式识别在科学研究中的应用…………………………………… 180

9.5.1 遗传算法的MATLAB实现…………………………………………………… 180

9.5.2 遗传算法在科学研究中的应用实例…………………………………………… 185

第10章 蚁群算法及其模式识别…………………………………………………………… 201

10.1 蚁群算法原理………………………………………………………………………… 201

10.1.1 基本概念………………………………………………………………………… 201

10.1.2 蚁群算法的基本模型…………………………………………………………… 202

10.1.3 蚁群算法的特点………………………………………………………………… 203

10.2 蚁群算法的改进……………………………………………………………………… 203

10.2.1 自适应蚁群算法………………………………………………………………… 203

10.2.2 遗传算法与蚁群算法的融合…………………………………………………… 204

10.2.3 蚁群神经网络…………………………………………………………………… 204

10.3 聚类问题的蚁群算法………………………………………………………………… 205

10.3.1 聚类数目已知的聚类问题的蚁群算法………………………………………… 205

10.3.2 聚类数目未知的聚类问题的蚁群算法………………………………………… 206

10.4 蚁群算法在科学研究中的应用……………………………………………………… 207

第11章 粒子群算法及其模式识别………………………………………………………… 217

11.1 粒子群算法的基本原理……………………………………………………………… 217

11.2 全局模式与局部模式………………………………………………………………… 218

11.3 粒子群算法的特点…………………………………………………………………… 218

11.4 基于粒子群算法的聚类分析………………………………………………………… 219

11.4.1 算法描述………………………………………………………………………… 219

11.4.2 实现步骤………………………………………………………………………… 220

11.5 粒子群算法在科学研究中的应用…………………………………………………… 221

第12章 可视化模式识别技术……………………………………………………………… 229

12.1 高维数据的图形表示方法…………………………………………………………… 229

12.1.1 轮廓图…………………………………………………………………………… 229

12.1.2 雷达图…………………………………………………………………………… 230

12.1.3 树形图…………………………………………………………………………… 230

12.1.4 三角多项式图…………………………………………………………………… 231

12.1.5 散点图…………………………………………………………………………… 231

12.1.6 星座图…………………………………………………………………………… 232

12.1.7 脸谱图…………………………………………………………………………… 233

12.2 图形特征参数计算…………………………………………………………………… 235

12.3 显示方法……………………………………………………………………………… 237

12.3.1 线性映射………………………………………………………………………… 237

12.3.2 非线性映射……………………………………………………………………… 237

第13章 灰色系统方法及应用……………………………………………………………… 241

帮朋友买的，他说书不错，对学习有帮助

纸张还不错，期待给后续的学习带来惊喜

MATLAB数值计算（2013修订版·中译 就是比较贵 其他还好

宝贝很不错，不错的一次购物，快递也很快！

书不错，，很好，，

超级有用，用来参考写小论文的

赞赞赞！很好的书，可以学神经网络算法了，要是c++也有这类书就好了

送货速度很快，不错。自营的，服务态度也很好。

挺好的一本书，刚看了一部分