開(kāi)發(fā)實(shí)例系列圖書(shū)：模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)

定　價(jià)：￥36.00

作　者：	許國(guó)根，賈瑛著
出版社：	北京航空航天大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)與互聯(lián)網(wǎng) 專用軟件

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787512408432	出版時(shí)間：	2012-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	273	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　針對(duì)各學(xué)科數(shù)據(jù)信息的特點(diǎn)以及科學(xué)工作者對(duì)信息處理和數(shù)據(jù)挖掘技術(shù)的要求，《開(kāi)發(fā)實(shí)例系列圖書(shū)：模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)》既介紹了模式識(shí)別和智能計(jì)算的基礎(chǔ)知識(shí)，又較為詳細(xì)地介紹了現(xiàn)代模式識(shí)別和智能計(jì)算在科學(xué)研究中的應(yīng)用方法和各算法的MATLAB源程序。本書(shū)可以幫助廣大的科學(xué)工作者掌握模式識(shí)別和智能計(jì)算方法，并應(yīng)用于實(shí)際的研究中，提高對(duì)海量數(shù)據(jù)信息的處理及挖掘能力，針對(duì)性和實(shí)用性強(qiáng)，具有較高的理論和實(shí)用價(jià)值。本書(shū)可作為高等院校計(jì)算機(jī)工程、信息工程、生物醫(yī)學(xué)工程、智能機(jī)器人、工業(yè)自動(dòng)化、地質(zhì)、水利、化學(xué)和環(huán)境等專業(yè)的研究生、本科生的教材或教學(xué)參考書(shū)，亦可供有關(guān)工程技術(shù)人員參考。

作者簡(jiǎn)介

暫缺《開(kāi)發(fā)實(shí)例系列圖書(shū)：模式識(shí)別與智能計(jì)算的MATLAB實(shí)現(xiàn)》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1.1 模式識(shí)別的基本概念
1.1.1 模式與模式識(shí)別的概念
1.1.2 模式的特征
1.1.3 模式識(shí)別系統(tǒng)
1.2 模式識(shí)別的主要方法
1.3 模式識(shí)別的主要研究?jī)?nèi)容
1.4 模式識(shí)別在科學(xué)研究中的應(yīng)用
1.4.1 化合物的構(gòu)效分析
1.4.2 譜圖解析
1.4.3 材料研究
1.4.4 催化劑研究
1.4.5 機(jī)械故障診斷與監(jiān)測(cè)
1.4.6 化學(xué)物質(zhì)源產(chǎn)地判斷
1.4.7 疾病的診斷與預(yù)測(cè)
1.4.8 礦藏勘探
1.4.9 考古及食品工業(yè)中的應(yīng)用
第2章統(tǒng)計(jì)模式識(shí)別技術(shù)
2.1 基于概率統(tǒng)計(jì)的貝葉斯分類方法
2.1.1 最小錯(cuò)誤率貝葉斯分類
2.1.2 最小風(fēng)險(xiǎn)率貝葉斯分類
2.2 線性分類器
2.2.1 線性判別函數(shù)
2.2.2 Fisher線性判別函數(shù)
2.2.3 感知器算法
2.3 非線性分類器
2.3.1 分段線性判別函數(shù)
2.3.2 近鄰法
2.3.3 勢(shì)函數(shù)法
2.3.4 SIMCA方法
2.4 聚類分析
2.4.1 模式相似度
2.4.2 聚類準(zhǔn)則
2.4.3 層次聚類法
2.4.4 動(dòng)態(tài)聚類法
2.4.5 決策樹(shù)分類器
2.5 統(tǒng)計(jì)模式識(shí)別在科學(xué)研究中的應(yīng)用
第3章人工神經(jīng)網(wǎng)絡(luò)及模式識(shí)別
3.1 人工神經(jīng)網(wǎng)絡(luò)的基本概念
3.1.1 人工神經(jīng)元
3.1.2 傳遞函數(shù)
3.1.3 人工神經(jīng)網(wǎng)絡(luò)分類和特點(diǎn)
3.2 BP人工神經(jīng)網(wǎng)絡(luò)
3.2.1 BP人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
3.2.2 BP人工神經(jīng)網(wǎng)絡(luò)MATLAB實(shí)現(xiàn)
3.3 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)RBF
3.3.1 RBF的結(jié)構(gòu)與學(xué)習(xí)算法
3.3.2 RBF的MATLAB實(shí)現(xiàn)
3.4 自組織競(jìng)爭(zhēng)人工神經(jīng)網(wǎng)絡(luò)
3.4.1 自組織競(jìng)爭(zhēng)人工神經(jīng)網(wǎng)絡(luò)的基本概念
3.4.2 自組織競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
3.4.3 自組織競(jìng)爭(zhēng)網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)
3.5 對(duì)向傳播神經(jīng)網(wǎng)絡(luò)CPN
3.5.1 CPN的基本概念
3.5.2 CPN網(wǎng)絡(luò)的學(xué)習(xí)算法
3.6 反饋型神經(jīng)網(wǎng)絡(luò)Hopfield
3.6.1 Hopfield網(wǎng)絡(luò)的基本概念
3.6.2 Hopfield網(wǎng)絡(luò)的學(xué)習(xí)算法
3.6.3 Hopfield網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)
3.7 人工神經(jīng)網(wǎng)絡(luò)技術(shù)在科學(xué)研究中的應(yīng)用
第4章模糊系統(tǒng)理論及模式識(shí)別
4.1 模糊系統(tǒng)理論基礎(chǔ)
4.1.1 模糊集合
4.1.2 模糊關(guān)系
4.1.3 模糊變換與模糊綜合評(píng)判
4.1.4 Ifthen規(guī)則
4.1.5 模糊推理
4.2 模糊模式識(shí)別的基本方法
4.2.1 最大隸屬度原則
4.2.2 擇近原則
4.2.3 模糊聚類分析
……
第5章核函數(shù)方法及應(yīng)用
第6章支持向量機(jī)及其模式識(shí)別
第7章可拓學(xué)及其模式識(shí)別
第8章粗糙集理論及其模式識(shí)別
第9章遺傳算法及模式識(shí)別
第10章蟻群算法及其模式識(shí)別
第11章粒子群算法及其模式識(shí)別
第12章可視化模式識(shí)別技術(shù)
第13章灰色系統(tǒng)方法及應(yīng)用
第14章模式識(shí)別的特征及確定
參考文獻(xiàn)