模式識別與智能計算-MATLAB技術實現 (第5版) 楊淑瑩 鄭清春 9787121490217 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202501*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：模式識別與智能計算-MATLAB技術實現 (第5版)
ISBN：9787121490217
出版社：電子工業
著編譯者：楊淑瑩 鄭清春
頁數：299
所在地：中國大陸 *此為代購商品
書號：1723319
可大量預訂，請先連絡。

內容簡介

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、群體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，全書共分為10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，決策樹分類器設計，聚類分析，進化計算算法聚類分析，群體智能算法聚類分析。書中所述理論知識均提供實現步驟、示範性代碼及驗證實例的效果圖示，以達到理論與實踐相結合的目的。 本書可作為高等院校計算機工程、信息工程、生物醫學工程、智能機器人學、工業自動化、模式識別等學科研究生和本科生的教材或教學參考書，也可供有關工程技術人員參考。

目錄

第1篇 基礎篇
第1章 模式識別概述
1 1 模式識別的基本概念
1 2 統計模式識別
1 2 1 統計模式識別研究的主要問題
1 2 2 統計模式識別方法簡介
1 3 分類分析
1 3 1 分類器設計
1 3 2 分類器的選擇
1 3 3 訓練與學習
1 4 聚類分析
1 4 1 聚類的設計
1 4 2 基於試探法的聚類設計
1 4 3 基於群體智能優化算法的聚類設計
1 5 模式識別的應用
本章小結
習題1
第2章 特徵的選擇與優化
2 1 特徵空間優化設計問題
2 2 樣本特徵庫初步分析
2 3 樣本篩選處理
2 4 特徵篩選處理
2 5 特徵評估
2 6 基於主成分分析的特徵提取
2 7 特徵空間描述與分佈分析
2 7 1 特徵空間描述
2 7 2 特徵空間分佈分析
2 8 手寫數字特徵提取與空間分佈分析
2 8 1 手寫數字特徵提取
2 8 2 手寫數字特徵空間分佈分析
本章小結
習題2
第3章 模式相似性測度
3 1 模式相似性測度的基本概念
3 2 距離測度分類法
3 2 1 模板匹配法
3 2 2 基於PCA的模板匹配法
3 2 3 馬氏距離分類
本章小結
習題3
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
4 1 貝葉斯決策的基本概念
4 1 1 貝葉斯決策所討論的問題
4 1 2 貝葉斯公式
4 2 基於最小錯誤率的貝葉斯決策
4 3 基於最小風險的貝葉斯決策
4 4 貝葉斯決策比較
4 5 基於最小錯誤率的貝葉斯分類實現
4 6 基於最小風險的貝葉斯分類實現
本章小結
習題4
第5章 判別函數分類器設計
5 1 判別函數的基本概念
5 2 線性判別函數的概念
5 3 線性判別函數的實現
5 4 感知器算法
5 5 增量校正算法
5 6 LMSE分類算法
5 7 Fisher分類
5 8 基於核的Fisher分類
5 9 勢函數法
5 10 支持向量機
本章小結
習題5
第6章 神經網絡分類器設計
6 1 人工神經網絡的基本原理
6 1 1 人工神經元
6 1 2 人工神經網絡模型
6 1 3 神經網絡的學習過程
6 1 4 人工神經網絡在模式識別問題上的優勢
6 2 BP神經網絡
6 2 1 BP神經網絡的基本概念
6 2 2 BP神經網絡分類器設計
6 3 徑向基函數（RBF）神經網絡
6 3 1 徑向基函數神經網絡的基本概念
6 3 2 徑向基函數神經網絡分類器設計
6 4 自組織競爭神經網絡
6 4 1 自組織競爭神經網絡的基本概念
6 4 2 自組織競爭神經網絡分類器設計
6 5 概率神經網絡（PNN）
6 5 1 概率神經網絡的基本概念
6 5 2 概率神經網絡分類器設計
6 6 對向傳播神經網絡（CPN）
6 6 1 對向傳播神經網絡的基本概念
6 6 2 對向傳播神經網絡分類器設計
6 7 反饋型神經網絡
6 7 1 Hopfield神經網絡的基本概念
6 7 2 Hopfield神經網絡分類器設計
本章小結
習題6
第7章 決策樹分類器設計
7 1 決策樹的基本概念
7 2 決策樹理論的分類方法
本章小結
習題7
第3篇 聚類分析篇
第8章 聚類分析
8 1 聚類的設計
8 2 基於試探的未知類別聚類算法
8 2 1 最鄰近規則的試探法
8 2 2 最大最小距離算法
8 3 層次聚類算法
8 3 1 最短距離法
8 3 2 重心法
8 4 動態聚類算法
8 4 1 K均值算法
8 4 2 迭代自組織的數據分析算法（ISODATA）
8 5 模擬退火聚類算法
8 5 1 模擬退火的基本概念
8 5 2 基於模擬退火思想的改進K均值聚類算法
本章小結
習題8
第9章 進化計算算法聚類分析
9 1 進化計算概述
9 2 遺傳算法仿生計算
9 2 1 遺傳算法
9 2 2 遺傳算法仿生計算在聚類分析中的應用
9 3 進化規劃算法仿生計算
9 3 1 進化規劃算法
9 3 2 進化規劃算法仿生計算在聚類分析中的應用
9 4 進化策略算法仿生計算
9 4 1 進化策略算法
9 4 2 進化策略算法仿生計算在聚類分析中的應用
本章小結
習題9
第10章 群體智能算法聚類分析
10 1 粒子群算法聚類分析
10 1 1 粒子群算法
10 1 2 粒子群算法的實現方法與步驟
10 2 混合蛙跳算法仿生計算
10 2 1 混合蛙跳算法
10 2 2 混合蛙跳算法仿生計算在聚類分析中的應用
10 3 貓群算法仿生計算
10 3 1 貓群算法
10 3 2 貓群算法仿生計算在聚類分析中的應用
本章小結
習題10
參考文獻

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。