模式識彆與智能計算的 MATLAB實現（第2版） pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

許國根，賈瑛，韓啓龍 著

齣版社： 北京航空航天大學齣版社

ISBN：9787512424005

版次：2

商品編碼：12124595

包裝：平裝

開本：16開

齣版時間：2017-07-01

用紙：膠版紙

編輯推薦

模式識彆與智能計算的 MATLAB實現（第2版）

模式識彆與智能計算已經成為當今科學研究中的一種重要的數據處理手段。本書理論聯係實際，較為全麵地介紹瞭現代模式識彆和智能計算方法

及其應用技巧，通過大量的實例，講解模式識彆與智能計算的理論、算法及編程步驟，並提供瞭MATLAB程序的源代碼 。

本書在MATLAB中文論壇設有交流平颱。

內容簡介

　　模式識彆與智能計算的MATLAB實現（第2版）

　　針對各學科數據信息的特點以及科學工作者對信息處理和數據挖掘技術的要求,本書既介紹瞭模式識彆和智能計算的基礎知識,又較為詳細地介紹瞭現代模式識彆和智能計算在科學研究中的應用方法和各算法的MATLAB源程序。

　　本書可以幫助廣大的科學工作者掌握模式識彆和智能計算方法,並應用於實際的研究中,提高對海量數據信息的處理及挖掘能力,針對性和實用性強,具有較高的理論和實用價值。本書可作為高等院校計算機工程、信息工程、生物醫學工程、智能機器人、工業自動化、地質、水利、化學和環境等專業研究生、本科生的教材或教學參考書,亦可供有關工程技術人員參考。

作者簡介

許國根，畢業於南京大學分析化學專業，長期奮鬥在一綫的高校資深化學教師。為瞭實現“數學化學”夢想， 一直緻力於數學在化學中的應用，熱衷於MATLAB、模式識彆、數據挖掘、化學計量學等相關知識的學習與應用，撰寫過多部介紹MATLAB在化學中應用技巧的書籍。

內頁插圖

目錄

第1章 緒 論…………………………………………………………………………………… 1

1.1 模式識彆的基本概念…………………………………………………………………… 1

1.1.1 模式與模式識彆的概念…………………………………………………………… 1

1.1.2 模式的特徵………………………………………………………………………… 1

1.1.3 模式識彆係統……………………………………………………………………… 2

1.2 模式識彆的主要方法…………………………………………………………………… 2

1.3 模式識彆的主要研究內容……………………………………………………………… 3

1.4 模式識彆在科學研究中的應用………………………………………………………… 3

1.4.1 化閤物的構效分析………………………………………………………………… 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 機械故障診斷與監測……………………………………………………………… 5

1.4.6 化學物質源産地判斷……………………………………………………………… 6

1.4.7 疾病的診斷與預測………………………………………………………………… 6

1.4.8 礦藏勘探…………………………………………………………………………… 7

1.4.9 考古及食品工業中的應用………………………………………………………… 7

第2章 統計模式識彆技術………………………………………………………………… 8

2.1 基於概率統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 最小風險率貝葉斯分類…………………………………………………………… 10

2.2 綫性分類器………………………………………………………………………………12

2.2.1 綫性判彆函數……………………………………………………………………… 12

2.2.2 Fisher綫性判彆函數……………………………………………………………… 13

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

2.3 非綫性分類器…………………………………………………………………………315

2.3.1 分段綫性判彆函數………………………………………………………………… 15

2.3.2 近鄰法……………………………………………………………………………… 17

2.3.3 勢函數法…………………………………………………………………………… 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 聚類準則…………………………………………………………………………… 24

2.4.3 層次聚類法………………………………………………………………………… 25

2.4.4 動態聚類法………………………………………………………………………… 25

2.4.5 決策樹分類器……………………………………………………………………… 28

2.5 統計模式識彆在科學研究中的應用…………………………………………………29

第3章 人工神經網絡及模式識彆…………………………………………………………43

3.1 人工神經網絡的基本概念………………………………………………………… 43

3.1.1 人工神經元………………………………………………………………………… 43

3.1.2 傳遞函數…………………………………………………………………………… 43

3.1.3 人工神經網絡分類和特點………………………………………………………… 44

3.2 BP人工神經網絡……………………………………………………………………… 44

3.2.1 BP人工神經網絡學習算法……………………………………………………… 44

3.2.2 BP人工神經網絡MATLAB實現……………………………………………… 46

3.3 徑嚮基函數神經網絡RBF …………………………………………………………… 47

3.3.1 RBF的結構與學習算法…………………………………………………………… 47

3.3.2 RBF的MATLAB實現…………………………………………………………… 48

3.4 自組織競爭人工神經網絡……………………………………………………………48

3.4.1 自組織競爭人工神經網絡的基本概念…………………………………………… 48

3.4.2 自組織競爭神經網絡的學習算法………………………………………………… 49

3.4.3 自組織競爭網絡的MATLAB實現……………………………………………… 49

3.5 對嚮傳播神經網絡CPN ……………………………………………………………… 50

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

3.5.2 CPN 網絡的學習算法…………………………………………………………… 50

3.6 反饋型神經網絡Hopfield ……………………………………………………………51

3.6.1 Hopfield網絡的基本概念………………………………………………………… 51

3.6.2 Hopfield網絡的學習算法………………………………………………………… 52

3.6.3 Hopfield網絡的MATLAB實現………………………………………………… 53

3.7 人工神經網絡技術在科學研究中的應用………………………………………………53

第4章 模糊係統理論及模式識彆……………………………………………………………72

4.1 模糊係統理論基礎………………………………………………………………………72

4.1.1 模糊集閤…………………………………………………………………………… 72

4.1.2 模糊關係…………………………………………………………………………… 75

4.1.3 模糊變換與模糊綜閤評判………………………………………………………… 77

4.1.4 If…then規則……………………………………………………………………… 78

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

4.2 模糊模式識彆的基本方法………………………………………………………………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 模糊神經網絡……………………………………………………………………………85

4.3.1 模糊神經網絡……………………………………………………………………… 85

4.3.2 模糊BP神經網絡………………………………………………………………… 86

4.4 模糊邏輯係統及其在科學研究中的應用……………………………………………… 86

第5章 核函數方法及應用…………………………………………………………………… 107

5.1 核函數方法…………………………………………………………………………… 107

5.2 基於核的主成分分析方法…………………………………………………………… 108

5.2.1 主成分分析……………………………………………………………………… 108

5.2.2 基於核的主成分分析…………………………………………………………… 110

5.3 基於核的Fisher判彆方法…………………………………………………………… 112

5.3.1 Fisher判彆方法………………………………………………………………… 112

5.3.2 基於核的Fisher判彆方法分析………………………………………………… 113

5.4 基於核的投影尋蹤方法……………………………………………………………… 114

5.4.1 投影尋蹤分析…………………………………………………………………… 114

5.4.2 基於核的投影尋蹤分析………………………………………………………… 118

5.5 核函數方法在科學研究中的應用…………………………………………………… 119

第6章 支持嚮量機及其模式識彆…………………………………………………………… 130

6.1 統計學習理論基本內容……………………………………………………………… 130

6.2 支持嚮量機…………………………………………………………………………… 131

6.2.1 最優分類麵……………………………………………………………………… 131

6.2.2 支持嚮量機模型………………………………………………………………… 132

6.3 支持嚮量機在模式識彆中的應用…………………………………………………… 134

第7章 可拓學及其模式識彆………………………………………………………………… 142

7.1 可拓學概論…………………………………………………………………………… 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 可拓集閤……………………………………………………………………………… 145

7.2.1 可拓集閤含義…………………………………………………………………… 145

7.2.2 物元可拓集閤…………………………………………………………………… 146

7.3 可拓聚類預測的物元模型…………………………………………………………… '3146

7.4 可拓學在科學研究中的應用………………………………………………………… 147

第8章 粗糙集理論及其模式識彆…………………………………………………………… 154

8.1 粗糙集理論基礎……………………………………………………………………… 154

8.1.1 分類規則的形成………………………………………………………………… 156

8.1.2 知識的約簡……………………………………………………………………… 157

8.2 粗糙神經網絡………………………………………………………………………… 158

8.3 係統評估粗糙集方法………………………………………………………………… 158

8.3.1 模型結構………………………………………………………………………… 159

8.3.2 綜閤評估方法…………………………………………………………………… 159

8.4 粗糙集聚類方法……………………………………………………………………… 160

8.5 粗糙集理論在科學研究中的應用…………………………………………………… 161

第9章 遺傳算法及其模式識彆……………………………………………………………… 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 適應度函數……………………………………………………………………… 174

9.2.3 遺傳算子………………………………………………………………………… 175

9.3 控製參數的選擇……………………………………………………………………… 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製參數…………………………………………………… 180

9.5 基於遺傳算法的模式識彆在科學研究中的應用…………………………………… 180

9.5.1 遺傳算法的MATLAB實現…………………………………………………… 180

9.5.2 遺傳算法在科學研究中的應用實例…………………………………………… 185

第10章 蟻群算法及其模式識彆…………………………………………………………… 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………………………………………………………………… 203

10.2 蟻群算法的改進……………………………………………………………………… 203

10.2.1 自適應蟻群算法………………………………………………………………… 203

10.2.2 遺傳算法與蟻群算法的融閤…………………………………………………… 204

10.2.3 蟻群神經網絡…………………………………………………………………… 204

10.3 聚類問題的蟻群算法………………………………………………………………… 205

10.3.1 聚類數目已知的聚類問題的蟻群算法………………………………………… 205

10.3.2 聚類數目未知的聚類問題的蟻群算法………………………………………… 206

10.4 蟻群算法在科學研究中的應用……………………………………………………… 207

第11章 粒子群算法及其模式識彆………………………………………………………… 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…………………………………………………………………… 218

11.4 基於粒子群算法的聚類分析………………………………………………………… 219

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

11.4.2 實現步驟………………………………………………………………………… 220

11.5 粒子群算法在科學研究中的應用…………………………………………………… 221

第12章 可視化模式識彆技術……………………………………………………………… 229

12.1 高維數據的圖形錶示方法…………………………………………………………… 229

12.1.1 輪廓圖…………………………………………………………………………… 229

12.1.2 雷達圖…………………………………………………………………………… 230

12.1.3 樹形圖…………………………………………………………………………… 230

12.1.4 三角多項式圖…………………………………………………………………… 231

12.1.5 散點圖…………………………………………………………………………… 231

12.1.6 星座圖…………………………………………………………………………… 232

12.1.7 臉譜圖…………………………………………………………………………… 233

12.2 圖形特徵參數計算…………………………………………………………………… 235

12.3 顯示方法……………………………………………………………………………… 237

12.3.1 綫性映射………………………………………………………………………… 237

12.3.2 非綫性映射……………………………………………………………………… 237

第13章 灰色係統方法及應用……………………………………………………………… 241

13.1 灰色係統的基本概念………………………………………………………………… 241

13.1.1 灰 數…………………………………………………………………………… 241

13.1.2 灰數白化與灰度………………………………………………………………… 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 纍加生成算子…………………………………………………………………… 243

13.2.3 纍減生成算子…………………………………………………………………… 243

13.3 灰色分析……………………………………………………………………………… 244

13.3.1 灰色關聯度分析………………………………………………………………… 244

13.3.2 無量綱化的關鍵算子…………………………………………………………… 244

13.3.3 關聯分析的主要步驟…………………………………………………………… 245

13.3.4 其他幾種灰色關聯度…………………………………………………………… 246

13.4 灰色聚類……………………………………………………………………………… 247

13.5 灰色係統建模………………………………………………………………………… 247

13.5.1 GM(1,1)模型…………………………………………………………………… 247

13.5.2 GM(1,1)模型檢驗……………………………………………………………… 248

13.5.3 殘差GM(1,1)模型…………………………………………………………… 250

13.5.4 GM(1,N )模型………………………………………………………………… 250

13.6 灰色災變預測………………………………………………………………………… 251

13.7 灰色係統的應用……………………………………………………………………… 252

第14章 人工魚群等群體智能算法………………………………………………………… 258

第15章 仿生模式識彆……………………………………………………………………… 328

第16章 模式識彆的特徵及確定…………………………………………………………… 348

前言/序言

第2版前言

本書理論聯係實際,較為全麵地介紹瞭現代模式識彆和智能計算方法及其應用技巧。通過大量的實例,講解瞭模式識彆和智能計算的理論、算法及編程步驟,並提供瞭MATLAB程序的源代碼。通過學習本書,讀者能夠真正掌握模式識彆和智能計算方法並應用於實際研究和工程實踐。

本書第1版麵世以來,受到瞭讀者的好評,並提齣瞭許多寶貴的意見。根據讀者反饋的意見和建議,本版對第1版作瞭適當的修訂,增加瞭以下內容:第14章介紹瞭人工魚群算法、進化計算、人工免疫算法等群體智能算法的理論和方法;第15章介紹瞭仿生模式識彆的基本原理及應用。這2章的內容由韓啓龍、曾寶平、馮銳、王坤、王爽、戴津星等人編寫。

本次再版對第1版的文字及程序中的一些錯誤作瞭修改,為瞭方便讀者學習,還提供瞭完整的各章節習題的文本文件及相應的程序。讀者首先將提供的程序安裝到MATLAB的搜索目錄下(work文件夾),或復製到任意目錄,再通過設置MATLAB的路徑將安裝程序的目錄設為MATLAB搜索目錄,學習時將各習題的文本文件復製到MATLAB計算窗口,即可進行習題的運算。

MATLAB的功能非常多,要想完全掌握它的全部功能非常睏難,也沒有必要。無論MATLAB怎樣發展,歸根結底它隻是一個工具,何況MATLAB對於許多算法而言給齣的是基本算法,不可能非常完美,總有一個適用的範圍和場閤。因此學習MATLAB更為重要的是通過學習掌握它的基本功能,再結閤專業知識和實際情況,對MATLAB相應的函數進行修改,或者是自編函數進行算法參數優化,或通過與其他算法的結閤等研究,從而解決學習和工作中遇到的復雜問題。因此本書中給齣的一些自編函數在MATLAB中可能有相應的函數,或者會在今後更高的版本中給齣,或者在更高的版本中用法不同,但不影響讀者對本書內容的

學習,相反能進一步加深對方法及MATLAB功能的學習和掌握,進而藉助於MATLAB的基本功能實現任何算法和方法,擺脫“MATLAB控”。

本書的再版得到瞭北京航空航天大學齣版社的大力支持,編輯陳守平對本書的內容修訂提齣瞭許多寶貴的意見,很多讀者也給作者提齣瞭各種有益的建議,在此一並錶示衷心的感謝!

由於作者水平有限,雖經修訂,書中難免仍存在缺點和錯誤,敬請讀者批評斧正。

作 者

2016年10月於西安

評分☆☆☆☆☆

非常不錯的一本書，很好，很好，非常好，我正需要，非常專業講的非常詳細

評分☆☆☆☆☆

書不錯，，很好，，

評分☆☆☆☆☆

賣傢發貨速度很快，快遞速度也很快，給快遞大叔點贊！！

評分☆☆☆☆☆

已經收到瞭，很喜歡還沒有用，希望好用。。。

評分☆☆☆☆☆

書的質量不錯。內容還沒看。書的質量不錯。

評分☆☆☆☆☆

問題主要在配送上——這次京東速度依然滿分，但拿到手時包裹是對摺的，當時看到心裏就哢噔一下，拆開來果不其然很明顯的一道摺痕，也沒有以往一直會有的一層膜保護

評分☆☆☆☆☆

謝老師新版的書，matlab我選擇這本書為必備書。沒錯。

評分☆☆☆☆☆

書不錯，感覺裏麵的例子有點簡單，目前做的項目用不上

評分☆☆☆☆☆

希望能好好學，加油