包邮模式识别与智能计算――MATLAB技术实现(第5版)

第１ 篇　基　础　篇
第１ 章　 模式识别概述 ………………………………………………………………………… ２
　 　 １?? １　 模式识别的基本概念……………………………………………………………………… ２
　 　 １?? ２　 统计模式识别 …………………………………………………………………………… ５
　 　 　 　 １?? ２?? １　 统计模式识别研究的主要问题 …………………………………………………… ５
　 　 　 　 １?? ２?? ２　 统计模式识别方法简介…………………………………………………………… ６
　 　 １?? ３　 分类分析 ………………………………………………………………………………… ９
　 　 　 　 １?? ３?? １　 分类器设计 ……………………………………………………………………… ９
　 　 　 　 １?? ３?? ２　 分类器的选择…………………………………………………………………… １１
　 　 　 　 １?? ３?? ３　 训练与学习 …………………………………………………………………… １２
　 　 １?? ４　 聚类分析 ……………………………………………………………………………… １２
　 　 　 　 １?? ４?? １　 聚类的设计 …………………………………………………………………… １３
　 　 　 　 １?? ４?? ２　 基于试探法的聚类设计 ………………………………………………………… １４
　 　 　 　 １?? ４?? ３　 基于群体智能优化算法的聚类设计 ……………………………………………… １５
　 　 １?? ５　 模式识别的应用 ………………………………………………………………………… １６
　 　 本章小结……………………………………………………………………………………… １６
　 　 习题 １ ……………………………………………………………………………………… １７
第２ 章　 特征的选择与优化 …………………………………………………………………… １８
　 　 ２?? １　 特征空间优化设计问题 ………………………………………………………………… １８
　 　 ２?? ２　 样本特征库初步分析 …………………………………………………………………… １９
　 　 ２?? ３　 样本筛选处理 …………………………………………………………………………… ２０
　 　 ２?? ４　 特征筛选处理 …………………………………………………………………………… ２０
　 　 ２?? ５　 特征评估 ……………………………………………………………………………… ２２
　 　 ２?? ６　 基于主成分分析的特征提取……………………………………………………………… ２４
　 　 ２?? ７　 特征空间描述与分布分析 ……………………………………………………………… ２７
　 　 　 　 ２?? ７?? １　 特征空间描述…………………………………………………………………… ２７
　 　 　 　 ２?? ７?? ２　 特征空间分布分析 ……………………………………………………………… ３２
　 　 ２?? ８　 手写数字特征提取与空间分布分析 ……………………………………………………… ３５
　 　 　 　 ２?? ８?? １　 手写数字特征提取 ……………………………………………………………… ３５
　 　 　 　 ２?? ８?? ２　 手写数字特征空间分布分析 …………………………………………………… ３６
　 　 本章小结……………………………………………………………………………………… ４１
　 　 习题 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章　 模式相似性测度 ……………………………………………………………………… ４２
　 　 ３?? １　 模式相似性测度的基本概念……………………………………………………………… ４２
　 　 ３?? ２　 距离测度分类法 ………………………………………………………………………… ４５
　 　 　 　 ３?? ２?? １　 模板匹配法 …………………………………………………………………… ４５
　 　 　 　 ３?? ２?? ２　 基于 ＰＣＡ 的模板匹配法 ………………………………………………………… ４７
　 　 　 　 ３?? ２?? ３　 马氏距离分类…………………………………………………………………… ４９
　 　 本章小结……………………………………………………………………………………… ５１
　 　 习题 ３ ……………………………………………………………………………………… ５１
第２ 篇　分类器设计篇
第４ 章　 基于概率统计的贝叶斯分类器设计 ………………………………………………… ５３
　 　 ４?? １　 贝叶斯决策的基本概念 ………………………………………………………………… ５３
　 　 　 　 ４?? １?? １　 贝叶斯决策所讨论的问题 ……………………………………………………… ５３
　 　 　 　 ４?? １?? ２　 贝叶斯公式 …………………………………………………………………… ５４
　 　 ４?? ２　 基于*小错误率的贝叶斯决策…………………………………………………………… ５６
　 　 ４?? ３　 基于*小风险的贝叶斯决策……………………………………………………………… ５９
　 　 ４?? ４　 贝叶斯决策比较 ………………………………………………………………………… ６１
　 　 ４?? ５　 基于*小错误率的贝叶斯分类实现 ……………………………………………………… ６２
　 　 ４?? ６　 基于*小风险的贝叶斯分类实现 ………………………………………………………… ６６
　 　 本章小结……………………………………………………………………………………… ６９
　 　 习题 ４ ……………………………………………………………………………………… ６９
第５ 章　 判别函数分类器设计 ………………………………………………………………… ７０
　 　 ５?? １　 判别函数的基本概念 …………………………………………………………………… ７０
　 　 ５?? ２　 线性判别函数的概念 …………………………………………………………………… ７１
　 　 ５?? ３　 线性判别函数的实现 …………………………………………………………………… ７５
　 　 ５?? ４　 感知器算法……………………………………………………………………………… ７６
　 　 ５?? ５　 增量校正算法 …………………………………………………………………………… ８３
　 　 ５?? ６　 ＬＭＳＥ 分类算法 ………………………………………………………………………… ８９
　 　 ５?? ７　 Ｆｉｓｈｅｒ 分类 ……………………………………………………………………………… ９２
　 　 ５?? ８　 基于核的 Ｆｉｓｈｅｒ 分类 …………………………………………………………………… ９６
　 　 ５?? ９　 势函数法 ……………………………………………………………………………… １０３
　 　 ５?? １０　 支持向量机…………………………………………………………………………… １０８
　 　 本章小结 …………………………………………………………………………………… １１４
　 　 习题 ５ ……………………………………………………………………………………… １１４
第６ 章　 神经网络分类器设计 ……………………………………………………………… １１５
　 　 ６?? １　 人工神经网络的基本原理 ……………………………………………………………… １１５
　 　 　 　 ６?? １?? １　 人工神经元 …………………………………………………………………… １１５
　 　 　 　 ６?? １?? ２　 人工神经网络模型 …………………………………………………………… １１８
　 　 　 　 ６?? １?? ３　 神经网络的学习过程…………………………………………………………… １２１
Ⅵ
　　　　６?? １?? ４　人工神经网络在模式识别问题上的优势………………………………………… １２１
　 　 ６?? ２　 ＢＰ 神经网络 …………………………………………………………………………… １２２
　 　 　 　 ６?? ２?? １　 ＢＰ 神经网络的基本概念 ……………………………………………………… １２２
　 　 　 　 ６?? ２?? ２　 ＢＰ 神经网络分类器设计 ……………………………………………………… １２７
　 　 ６?? ３　 径向基函数 （ＲＢＦ） 神经网络 ………………………………………………………… １３２
　 　 　 　 ６?? ３?? １　 径向基函数神经网络的基本概念 ……………………………………………… １３２
　 　 　 　 ６?? ３?? ２　 径向基函数神经网络分类器设计 ……………………………………………… １３６
　 　 ６?? ４　 自组织竞争神经网络…………………………………………………………………… １３９
　 　 　 　 ６?? ４?? １　 自组织竞争神经网络的基本概念 ……………………………………………… １３９
　 　 　 　 ６?? ４?? ２　 自组织竞争神经网络分类器设计 ……………………………………………… １４１
　 　 ６?? ５　 概率神经网络 （ＰＮＮ） ………………………………………………………………… １４４
　 　 　 　 ６?? ５?? １　 概率神经网络的基本概念 ……………………………………………………… １４４
　 　 　 　 ６?? ５?? ２　 概率神经网络分类器设计 ……………………………………………………… １４８