模式識別與人工智能-基於MATLAB (第2版) 9787302660873 徐宏偉 周潤景 劉偉冰
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$630
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202406*若逾兩年請先於私訊洽詢存貨情況，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：模式識別與人工智能-基於MATLAB (第2版) ISBN：9787302660873 出版社：清華大學 著編譯者：徐宏偉 周潤景 劉偉冰 頁數：438 所在地：中國大陸 *此為代購商品 書號：1652042 可大量預訂，請先連絡。 內容簡介 本書是在《模式識別與人工智慧（基於MATLAB）》（周潤景編著）的基礎上編寫而成的，為了適應模式識別演算法的新發展、滿足各層次讀者的學習需求，在原有基礎上增加了大量新內容，包括細化各章的內容並增加三種新演算法。本書涉及統計學、模糊控制、神經網路、人工智慧等學科的思想和理論，將模式識別與人工智慧理論和實際應用相結合，針對具體案例進行演算法設計和分析，並運用MATLAB程序實現。 全書共分為12章，內容包括模式識別概述、貝葉斯分類器設計、判別函數分類器設計、聚類分析、模糊聚類分析、神經網路聚類設計、模擬退火演算法聚類設計、遺傳演算法聚類設計、蟻群演算法聚類設計、粒子群演算法聚類設計、免疫演算法、禁忌搜索演算法，覆蓋了各種常用的模式識別技術。 本書可作為高等學校自動化、計算機、電子信息類等專業高年級本科生和研究生的教材，也可作為各行各業學習模式識別和機器學習的工程技術人員的參考用書。目錄 第1章 模式識別概述1 1 模式識別的基本概念 1 1 1 模式的描述方法 1 1 2 模式識別系統 1 2 模式識別的基本方法 1 3 模式識別的應用 習題 第2章 貝葉斯分類器設計 2 1 貝葉斯決策及貝葉斯公式 2 1 1 貝葉斯決策簡介 2 1 2 貝葉斯公式 2 2 基於最小錯誤率的貝葉斯決策 2 2 1 基於最小錯誤率的貝葉斯決策理論 2 2 2 最小錯誤率貝葉斯分類的計算過程 2 2 3 最小錯誤率貝葉斯分類的MATLAB實現 2 2 4 結論 2 3 最小風險貝葉斯決策 2 3 1 最小風險貝葉斯決策理論 2 3 2 最小錯誤率與最小風險貝葉斯決策的比較 2 3 3 貝葉斯演算法的計算過程 2 3 4 最小風險貝葉斯分類的MATLAB實現 2 3 5 結論 習題 第3章 判別函數分類器設計 3 1 判別函數簡介 3 2 線性判別函數 3 3 線性判別函數的實現 3 4 基於LMSE的分類器設計 3 4 1 LMSE分類法簡介 3 4 2 LMSE演算法的原理 3 4 3 LMSE演算法分類 3 4 4 LMSE演算法步驟 3 4 5 實現LMSE演算法的詳細過程 3 4 6 結論 3 5 基於Fisher的分類器設計 3 5 1 Fisher判別法簡介 3 5 2 Fisher判別法的基本原理 3 5 3 Fisher分類器設計 3 5 4 Fisher演算法實現 3 5 5 識別待測樣本類別 3 5 6 結論 3 6 基於支持向量機的分類法 3 6 1 支持向量機簡介 3 6 2 支持向量機的基本思想 3 6 3 線性可分支持向量機 3 6 4 非線性可分支持向量機 3 6 5 L1軟間隔支持向量機 3 6 6 支持向量機的幾個主要優點 3 6 7 多類分類問題 3 6 8 基於SVM的數據分類 3 6 9 結論 習題 第4章 聚類分析 4 1 聚類分析 4 1 1 聚類的定義 4 1 2 聚類準則 4 1 3 基於試探法的聚類設計 4 2 數據聚類——K均值聚類 4 2 1 K均值聚類簡介 4 2 2 K均值聚類的原理 4 2 3 K均值演算法的主要流程 4 2 4 K均值演算法的優缺點 4 2 5 K均值聚類的MATLAB實現 4 2 6 待聚類樣本的分類結果 4 2 7 結論 4 3 數據聚類——基於取樣思想的改進K均值聚類 4 3 1 K均值改進演算法的思想 4 3 2 基於取樣思想的改進K均值演算法 4 3 3 結論 4 4 數據聚類——K近鄰法聚類 4 4 1 近鄰法簡介 4 4 2 K近鄰法的概念 4 4 3 K近鄰法的演算法研究 4 4 4 K近鄰法數據分類器的MATLAB實現 4 4 5 結論 4 5 數據聚類——PAM聚類 4 5 1 PAM演算法概述 4 5 2 PAM演算法的主要流程 4 5 3 PAM演算法的實現 4 5 4 PAM演算法的特點 4 5 5 K均值和PAM演算法分析比較 4 5 6 結論 4 6 數據聚類——層次聚類 4 6 1 層次聚類方法簡介 4 6 2 凝聚的和分裂的層次聚類 4 6 3 聚合層次聚類演算法的原理 4 6 4 簇間距離度量方法 4 6 5 層次聚類方法存在的不足 4 6 6 層次聚類的MATLAB實現 4 6 7 結論 4 7 數據聚類——ISODATA演算法 4 7 1 ISODATA演算法應用背景 4 7 2 用MATLAB實現ISODATA演算法 4 7 3 結論 習題 第5章 模糊聚類分析 5 1 模糊邏輯的發展 5 2 模糊集合 5 2 1 由經典集合到模糊集合 5 2 2 模糊集合的基本概念 5 2 3 隸屬度函數 5 2 4 模糊與概率 5 3 模糊集合的運算 5 3 1 模糊集合的基本運算 5 3 2 模糊集合的基本運算規律 5 3 3 模糊集合與經典集合的聯繫 5 4 模糊關係與模糊關係的合成 5 4 1 模糊關係的基本概念 5 4 2 模糊關係的合成 5 4 3 模糊關係的性質 5 4 4 模糊變換 5 5 模糊邏輯及模糊推理 5 5 1 模糊邏輯技術 5 5 2 語言控制策略 5 5 3 模糊語言變數 5 5 4 模糊命題與模糊條件語句 5 5 5 判斷與推理 5 5 6 模糊推理 5 6 數據聚類——模糊聚類 5 6 1 模糊聚類的應用背景 5 6 2 基於MATLAB的GUI工具的模糊演算法構建——數據模糊化 5 6 3 基於MATLAB的GUI工具的模糊演算法構建——FIS實現 5 6 4 模糊聚類的結果分析 5 7 數據聚類——模糊C均值聚類 5 7 1 模糊C均值聚類的應用背景 5 7 2 模糊C均值演算法 5 7 3 模糊C均值聚類的MATLAB實現 5 7 4 模糊C均值聚類的結果分析 5 8 數據聚類——模糊ISODATA聚類 5 8 1 模糊ISODATA聚類的應用背景 5 8 2 模糊ISODATA演算法的基本原理 5 8 3 模糊ISODATA演算法的基本步驟 5 8 4 模糊ISODATA演算法的MATLAB程序實現 5 8 5 結論 5 9 模糊神經網路 5 9 1 模糊神經網路的應用背景 5 9 2 模糊神經網路演算法的原理 5 9 3 模糊系統與神經網路的比較 5 9 4 模糊神經網路 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
