内容简介

本书是《模式识别及Matlab实现》主教材的配套实验与指导，根据主教材各章内容，相应给出了实验的具体步骤和程序代码，包括：贝叶斯决策，概率密度函数的参数估计，非参数判别分类方法，聚类分析，特征提取与选择，模糊模式识别，神经网络在模式识别中的应用，模式识别的工程应用等。

作者简介

　　作者主要承担数字图像处理，模式识别，信息传输理论等课程的教学工作。近几年先后承担了国家自然科学基金面上项目，湖北省科技攻关项目，海南科技厅项目，武汉市科技攻关项目，国家留学基金项目，交通部重点项目和企业合作项目30余项；在国内外学术刊物上发表学术论文60余篇，被SCI和EI收录论文40余篇，出版教材3部。 获武汉理工大学优秀硕士学位论文奖，优秀博士论文奖。

目录

第 1 章贝叶斯决策 ?????????????????????????????????????????????????????????????????????????????????????????? 1
1．1 知识要点 ????????????????????????????????????????????????????????????????????????????????????????????? 1
1．2 实验指导 ????????????????????????????????????????????????????????????????????????????????????????????? 7
1．2．1 基于最小错误率的贝叶斯决策 ????????????????????????????????????????????????????????? 7
1．2．2 最小风险判决规则 ??????????????????????????????????????????????????????????????????????? 12
1．2．3 最大似然比判决规则 ???????????????????????????????????????????????????????????????????? 16
1．2．4 Neyman-Pearsen 判决 ???????????????????????????????????????????????????????????????????? 21
第2 章参数估计 ???????????????????????????????????????????????????????????????????????????????????????????? 25
2．1 知识要点 ???????????????????????????????????????????????????????????????????????????????????????????? 25
2．2 实验指导 ???????????????????????????????????????????????????????????????????????????????????????????? 30
2．2．1 最大似然估计 ????????????????????????????????????????????????????????????????????????????? 30
2．2．2 贝叶斯估计 ???????????????????????????????????????????????????????????????????????????????? 33
2．2．3 Parzen 窗 ??????????????????????????????????????????????????????????????????????????????????? 36
2．2．4 N k 近邻估计法 ???????????????????????????????????????????????????????????????????????????? 38
第3 章非参数判别分类法 ???????????????????????????????????????????????????????????????????????????????? 41
3．1 知识要点 ???????????????????????????????????????????????????????????????????????????????????????????? 41
3．2 实验指导 ???????????????????????????????????????????????????????????????????????????????????????????? 44
3．2．1 两分法 ?????????????????????????????????????????????????????????????????????????????????????? 44
3．2．2 两分法的设计 ????????????????????????????????????????????????????????????????????????????? 47
3．2．3 没有不确定区域的两分法 ?????????????????????????????????????????????????????????????? 52
3．2．4 广义线性判别函数的设计与实现 ????????????????????????????????????????????????????? 56
3．2．5 感知器算法的设计/实现 ???????????????????????????????????????????????????????????????? 58
3．2．6 两类问题Fisher 准则 ???????????????????????????????????????????????????????????????????? 62
3．2．7 基于距离的分段线性判别函数 ???????????????????????????????????????????????????????? 68
3．2．8 支持向量机 ???????????????????????????????????????????????????????????????????????????????? 74
第4 章聚类分析法 ????????????????????????????????????????????????????????????????????????????????????????? 80
4．1 知识要点 ??????????????????????????????????????????????????????????????????????????????????????????? 81
4．2 实验指导 ??????????????????????????????????????????????????????????????????????????????????????????? 84
4．2．1 距离测度 ??????????????????????????????????????????????????????????????????????????????????? 84
4．2．2 相似测度算法 ????????????????????????????????????????????????????????????????????????????? 90
4．2．3 基于匹配测度算法的实现 ?????????????????????????????????????????????????????????????? 98
4．2．4 基于类间距离测度方法 ???????????????????????????????????????????????????????????????? 103
4．2．5 聚类函数准则 ???????????????????????????????????????????????????????????????????????????? 106
4．2．6 基于最近邻规则的聚类算法 ?????????????????????????????????????????????????????????? 108
4．2．7 基于最大最小距离聚类算法的实现 ????????????????????????????????????????????????? 113
4．2．8 基于K-均值聚类算法实验 ???????????????????????????????????????????????????????????? 116
第5 章特征提取与选择 ?????????????????????????????????????????????????????????????????????????????????? 124
5．1 知识要点 ?????????????????????????????????????????????????????????????????????????????????????????? 124
5．2 实验指导 ?????????????????????????????????????????????????????????????????????????????????????????? 128
5．2．1 基于距离的可分性判据 ???????????????????????????????????????????????????????????????? 128
5．2．2 图像的傅里叶变换二（旋转性质） ????????????????????????????????????????????????? 130
5．2．3 基于熵函数的可分性判据 ????????????????????????????????????????????????????????????? 134
5．2．4 利用类均值向量提取特征 ????????????????????????????????????????????????????????????? 136
5．2．5 基于类平均向量中判别信息的最优压缩的实现 ?????????????????????????????????? 141
5．2．6 增添特征法 ??????????????????????????????????????????????????????????????????????????????? 144
5．2．7 剔减特征法 ??????????????????????????????????????????????????????????????????????????????? 148
5．2．8 增l 减r（算法）的设计/实现 ???????????????????????????????????????????????????????? 151
5．2．9 分支定界法（BAB 算法） ???????????????????????????????????????????????????????????? 156
第6 章模糊模式识别 ????????????????????????????????????????????????????????????????????????????????????? 161
6．1 知识要点 ?????????????????????????????????????????????????????????????????????????????????????????? 161
6．2 实验指导 ?????????????????????????????????????????????????????????????????????????????????????????? 163
6．2．1 最大隶属度识别法 ?????????????????????????????????????????????????????????????????????? 163
6．2．2 择近原则识别法 ????????????????????????????????????????????????????????????????????????? 167
6．2．3 基于模糊等价关系的聚类算法研究 ????????????????????????????????????????????????? 170
第7 章数字图像处理的基础 ??????????????????????????????????????????????????????????????????????????? 179
7．1 知识要点 ?????????????????????????????????????????????????????????????????????????????????????????? 179
7．2 实验指导 ?????????????????????????????????????????????????????????????????????????????????????????? 181
7．2．1 前馈神经网络感知器的设计实现 ??????????????????????????????????????????????????? 181
7．2．2 基于BP 网络的多层感知器 ?????????????????????????????????????????????????????????? 184
7．2．3 自组织特征映射网络的设计/实现 ?????????????????????????????????????????????????? 189
7．2．4 径向基神经网络 ???????????????????????????????????????????????????????????????????????? 194
参考文献 ??????????????????????????????????????????????????????????????????????????????????????????????????????? 198

前言/序言

　　本书是武汉理工大学杨杰和郭志强编写的教材《模式识别及MATLAB 实现》的学习和实验指导用书，可与教材配套使用，也可单独作为高等学校模式识别课程的教学与学习参考书，还可作为模式识别领域专业技术人员的参考资料。

　　模式识别是一门理论和工程应用都发展十分迅速的学科，尤其随着大数据的出现和互联网+的兴起，模式识别已伴随着人工智能技术渗透到人们生活的方方面面。“模式识别”作为信息类专业硕士研究生的学位课，主要介绍模式识别的基础知识和基本理论，为进一步研究模式识别理论和技术打下良好的基础。同时，模式识别也是一门实践性很强的学科，通过一定量的实验训练，有助于学习者加深理解和巩固所学的基本理论知识，也有助于提高其解决实际工程问题的能力。

　　全书分为7 章，每章都按本章知识结构、知识要点和实验指导三部分编写。具体内容包括贝叶斯决策、参数估计、非参数判别分类法、聚类分析法、特征选择与提取、模糊模式识别、数字图像处理的基础等，每章实验均给出了实验步骤、MATLAB 代码和实验结果。实验的内容和训练对模式识别学习者有很大帮助，也为从事模式识别的工程技术人员提供了一定的指导。

　　本书第1～4 章由郭志强编写，第5～7 章由杨杰编写，编者指导的研究生王贺、吴紫薇、林仲康和李博闻等参加了程序调试、插图和校对工作。在编写本书过程中，参阅了大量模式识别参考书，这里谨向有关作者表示衷心感谢。

　　由于作者水平有限，书中难免存在疏漏和不当之处，恳请读者批评指正。

好

贵

贵

贵

感觉有的地方写的代码步骤和前期的讲解不是很匹配

感觉有的地方写的代码步骤和前期的讲解不是很匹配

贵

感觉有的地方写的代码步骤和前期的讲解不是很匹配

贵