商品描述
本書廣泛吸取統計學、神經網絡、數據挖掘、機器學習、人工智能、群智能計算等學科的先進思想和理論，將其應用到模式識別領域中；以一種新的體系，系統、全面地介紹模式識別的理論、方法及應用。本書第5版在現有版本的基礎上做了優化，改動量為30%，篇幅由之前的13章壓縮到11章，內容包括：模式識別概述，特徵的選擇與優化，模式相似性測度，基於概率統計的貝葉斯分類器設計，判別函數分類器設計，神經網絡分類器設計（BP神經網絡、徑向基函數神經網絡、自組織競爭神經網絡、概率神經網絡、對向傳播神經網絡、反饋型神經網絡），決策樹分類器設計，聚類分析，遺傳算法聚類分析,群體智能算法分析等。本書內容新穎，實用性強，理論與實際應用密切結合，以手寫數字識別為應用實例，介紹理論運用於實踐的實現步驟及相應的Matlab代碼，為廣大研究工作者和工程技術人員對相關理論的應用提供借鑒。
目錄大綱
第１ 篇 基 礎 篇
第１ 章 模式識別概述 ………………………………………………………………………… ２
１?? １ 模式識別的基本概念……………………………………………………………………… ２
１?? ２ 統計模式識別 …………………………………………………………………………… ５
１?? ２?? １ 統計模式識別研究的主要問題 …………………………………………………… ５
１?? ２?? ２ 統計模式識別方法簡介…………………………………………………………… ６
１?? ３ 分類分析 ………………………………………………………………………………… ９
１?? ３?? １ 分類器設計 ……………………………………………………………………… ９
１?? ３?? ２ 分類器的選擇…………………………………………………………………… １１
１?? ３?? ３ 訓練與學習 …………………………………………………………………… １２
１?? ４ 聚類分析 ……………………………………………………………………………… １２
１?? ４?? １ 聚類的設計 …………………………………………………………………… １３
１?? ４?? ２ 基於試探法的聚類設計 ………………………………………………………… １４
１?? ４?? ３ 基於群體智能優化算法的聚類設計 ……………………………………………… １５
１?? ５ 模式識別的應用 ………………………………………………………………………… １６
本章小結……………………………………………………………………………………… １６
習題 １ ……………………………………………………………………………………… １７
第２ 章 特徵的選擇與優化 …………………………………………………………………… １８
２?? １ 特徵空間優化設計問題 ………………………………………………………………… １８
２?? ２ 樣本特徵庫初步分析 …………………………………………………………………… １９
２?? ３ 樣本篩選處理 …………………………………………………………………………… ２０
２?? ４ 特徵篩選處理 …………………………………………………………………………… ２０
２?? ５ 特徵評估 ……………………………………………………………………………… ２２
２?? ６ 基於主成分分析的特徵提取……………………………………………………………… ２４
２?? ７ 特徵空間描述與分佈分析 ……………………………………………………………… ２７
２?? ７?? １ 特徵空間描述…………………………………………………………………… ２７
２?? ７?? ２ 特徵空間分佈分析 ……………………………………………………………… ３２
２?? ８ 手寫數字特徵提取與空間分佈分析 ……………………………………………………… ３５
２?? ８?? １ 手寫數字特徵提取 ……………………………………………………………… ３５
２?? ８?? ２ 手寫數字特徵空間分佈分析 …………………………………………………… ３６
本章小結……………………………………………………………………………………… ４１
習題 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章 模式相似性測度 ……………………………………………………………………… ４２
３?? １ 模式相似性測度的基本概念……………………………………………………………… ４２
３?? ２ 距離測度分類法 ………………………………………………………………………… ４５
３?? ２?? １ 模板匹配法 …………………………………………………………………… ４５
３?? ２?? ２ 基於 ＰＣＡ 的模板匹配法 ………………………………………………………… ４７
３?? ２?? ３ 馬氏距離分類…………………………………………………………………… ４９
本章小結……………………………………………………………………………………… ５１
習題 ３ ……………………………………………………………………………………… ５１
第２ 篇 分類器設計篇
第４ 章 基於概率統計的貝葉斯分類器設計 ………………………………………………… ５３
４?? １ 貝葉斯決策的基本概念 ………………………………………………………………… ５３
４?? １?? １ 貝葉斯決策所討論的問題 ……………………………………………………… ５３
４?? １?? ２ 貝葉斯公式 …………………………………………………………………… ５４
４?? ２ 基於最小錯誤率的貝葉斯決策…………………………………………………………… ５６
４?? ３ 基於最小風險的貝葉斯決策……………………………………………………………… ５９
４?? ４ 貝葉斯決策比較 ………………………………………………………………………… ６１
４?? ５ 基於最小錯誤率的貝葉斯分類實現 ……………………………………………………… ６２
４?? ６ 基於最小風險的貝葉斯分類實現 ………………………………………………………… ６６
本章小結……………………………………………………………………………………… ６９
習題 ４ ……………………………………………………………………………………… ６９
第５ 章 判別函數分類器設計 ………………………………………………………………… ７０
５?? １ 判別函數的基本概念 …………………………………………………………………… ７０
５?? ２ 線性判別函數的概念 …………………………………………………………………… ７１
５?? ３ 線性判別函數的實現 …………………………………………………………………… ７５
５?? ４ 感知器算法……………………………………………………………………………… ７６
５?? ５ 增量校正算法 …………………………………………………………………………… ８３
５?? ６ ＬＭＳＥ 分類算法 ………………………………………………………………………… ８９
５?? ７ Ｆｉｓｈｅｒ 分類 ……………………………………………………………………………… ９２
５?? ８ 基於核的 Ｆｉｓｈｅｒ 分類 …………………………………………………………………… ９６
５?? ９ 勢函數法 ……………………………………………………………………………… １０３
５?? １０ 支持向量機…………………………………………………………………………… １０８
本章小結 …………………………………………………………………………………… １１４
習題 ５ ……………………………………………………………………………………… １１４
第６ 章 神經網絡分類器設計 ……………………………………………………………… １１５
６?? １ 人工神經網絡的基本原理 ……………………………………………………………… １１５
６?? １?? １ 人工神經元 …………………………………………………………………… １１５
６?? １?? ２ 人工神經網絡模型 …………………………………………………………… １１８
６?? １?? ３ 神經網絡的學習過程…………………………………………………………… １２１
Ⅵ
６?? １?? ４ 人工神經網絡在模式識別問題上的優勢………………………………………… １２１
６?? ２ ＢＰ 神經網絡 …………………………………………………………………………… １２２
６?? ２?? １ ＢＰ 神經網絡的基本概念 ……………………………………………………… １２２
６?? ２?? ２ ＢＰ 神經網絡分類器設計 ……………………………………………………… １２７
６?? ３ 徑向基函數 （ＲＢＦ） 神經網絡 ………………………………………………………… １３２
６?? ３?? １ 徑向基函數神經網絡的基本概念 ……………………………………………… １３２
６?? ３?? ２ 徑向基函數神經網絡分類器設計 ……………………………………………… １３６
６?? ４ 自組織競爭神經網絡…………………………………………………………………… １３９
６?? ４?? １ 自組織競爭神經網絡的基本概念 ……………………………………………… １３９
６?? ４?? ２ 自組織競爭神經網絡分類器設計 ……………………………………………… １４１
６?? ５ 概率神經網絡 （ＰＮＮ） ………………………………………………………………… １４４
６?? ５?? １ 概率神經網絡的基本概念 ……………………………………………………… １４４
６?? ５?? ２ 概率神經網絡分類器設計 ……………………………………………………… １４８
６?? ６ 對向傳播神經網絡 （ＣＰＮ） …………………………………………………………… １５１
６?? ６?? １ 對向傳播神經網絡的基本概念 ………………………………………………… １５１
６?? ６?? ２ 對向傳播神經網絡分類器設計 ………………………………………………… １５２
６?? ７ 反饋型神經網絡 ……………………………………………………………………… １５６
６?? ７?? １ Ｈｏｐｆｉｅｌｄ 神經網絡的基本概念 ………………………………………………… １５６
６?? ７?? ２ Ｈｏｐｆｉｅｌｄ 神經網絡分類器設計 ………………………………………………… １５９
本章小結 …………………………………………………………………………………… １６１
習題 ６ ……………………………………………………………………………………… １６２
第７ 章 決策樹分類器設計 ………………………………………………………………… １６３
７?? １ 決策樹的基本概念……………………………………………………………………… １６３
７?? ２ 決策樹理論的分類方法 ………………………………………………………………… １６４
本章小結 …………………………………………………………………………………… １７１
習題 ７ ……………………………………………………………………………………… １７１
第３ 篇 聚類分析篇
第８ 章 聚類分析 …………………………………………………………………………… １７３
８?? １ 聚類的設計 …………………………………………………………………………… １７３
８?? ２ 基於試探的未知類別聚類算法 ………………………………………………………… １７７
８?? ２?? １ 最鄰近規則的試探法…………………………………………………………… １７７
８?? ２?? ２ 最大最小距離算法 …………………………………………………………… １８１
８?? ３ 層次聚類算法 ………………………………………………………………………… １８４
８?? ３?? １ 最短距離法 …………………………………………………………………… １８５
８?? ３?? ２ 重心法………………………………………………………………………… １８８
８?? ４ 動態聚類算法 ………………………………………………………………………… １９１
８?? ４?? １ Ｋ 均值算法 …………………………………………………………………… １９２
８?? ４?? ２ 迭代自組織的數據分析算法 （ＩＳＯＤＡＴＡ） ……………………………………… １９６
Ⅶ
８?? ５ 模擬退火聚類算法……………………………………………………………………… ２００
８?? ５?? １ 模擬退火的基本概念…………………………………………………………… ２００
８?? ５?? ２ 基於模擬退火思想的改進 Ｋ 均值聚類算法……………………………………… ２０３
本章小結 …………………………………………………………………………………… ２１０
習題 ８ ……………………………………………………………………………………… ２１０
第９ 章 進化計算算法聚類分析 …………………………………………………………… ２１１
９?? １ 進化計算概述 ………………………………………………………………………… ２１１
９?? ２ 遺傳算法仿生計算……………………………………………………………………… ２１３
９?? ２?? １ 遺傳算法 ……………………………………………………………………… ２１３
９?? ２?? ２ 遺傳算法仿生計算在聚類分析中的應用………………………………………… ２２０
９?? ３ 進化規劃算法仿生計算 ………………………………………………………………… ２３２
９?? ３?? １ 進化規劃算法 ………………………………………………………………… ２３２
９?? ３?? ２ 進化規劃算法仿生計算在聚類分析中的應用 …………………………………… ２３５
９?? ４ 進化策略算法仿生計算 ………………………………………………………………… ２４３
９?? ４?? １ 進化策略算法 ………………………………………………………………… ２４３
９?? ４?? ２ 進化策略算法仿生計算在聚類分析中的應用 …………………………………… ２４８
本章小結 …………………………………………………………………………………… ２５８
習題 ９ ……………………………………………………………………………………… ２５８
第１０ 章 群體智能算法聚類分析 …………………………………………………………… ２５９
１０?? １ 粒子群算法聚類分析 ………………………………………………………………… ２５９
１０?? １?? １ 粒子群算法 ………………………………………………………………… ２５９
１０?? １?? ２ 粒子群算法的實現方法與步驟 ……………………………………………… ２６２
１０?? ２ 混合蛙跳算法仿生計算 ……………………………………………………………… ２６８
１０?? ２?? １ 混合蛙跳算法………………………………………………………………… ２６８
１０?? ２?? ２ 混合蛙跳算法仿生計算在聚類分析中的應用 ………………………………… ２７３
１０?? ３ 貓群算法仿生計算 …………………………………………………………………… ２８０
１０?? ３?? １ 貓群算法 …………………………………………………………………… ２８０
１０?? ３?? ２ 貓群算法仿生計算在聚類分析中的應用 ……………………………………… ２８６
本章小結 …………………………………………………………………………………… ２９５
習題 １０ ……………………………………………………………………………………… ２９５
參考文獻………………………………………………………………………………………… ２９６
Ⅷ
