智能模式识别方法PDF|Epub|txt|kindle电子书版本网盘下载

智能模式识别方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 绪论1

第一节 模式识别的含义1

一、模式与模式识别的概念1

目录1

二、模式识别系统2

三、模式识别的主要研究内容3

第二节 模式识别的主要方法3

第三节 模式识别的应用领域4

一、文字识别4

四、状态监测与故障诊断5

二、语音识别5

三、医学上的应用5

五、人脸识别6

六、身份识别6

第二章 统计模式识别基本理论7

第一节 贝叶斯决策7

一、最小错误率贝叶斯分类7

二、最小风险率贝叶斯分类8

第二节 概率密度函数估计9

一、参数估计10

二、非参数技术12

第三节 线性分类器14

一、线性判别函数的基本概念14

二、最小距离分类器15

三、感知器准则函数16

四、Fisher线性判别函数17

第四节 近邻法19

一、最近邻法19

二、K—近邻法19

一、模式相似性测度和聚类准则20

第五节 聚类分析20

二、层次聚类法21

三、c—均值算法23

四、ISODATA算法24

第六节 特征选择与提取的基本方法27

一、特征评判标准——类别可分性判据27

二、特征选择及搜索算法31

三、基于K—L变换的特征提取33

第一节 基于神经网络的特征选择与提取38

一、神经网络理论38

第三章 特征选择与提取中的智能方法38

二、前向多层神经网络、BP算法40

三、基于神经网络的特征选择与提取方法45

第二节 基于粗糙集的特征选择与提取51

一、粗糙集基本理论52

二、基于粗糙集的属性约简54

三、连续属性的离散化方法55

四、粗糙集理论属性约简中的三个问题57

五、基于启发式知识的属性约简方法58

第三节 基于遗传算法的特征选择与提取64

一、基本遗传算法65

二、遗传算法的基本实现技术67

三、遗传算法与特征选择、提取71

第四章 神经网络模式识别72

第一节 基于多层前馈神经网络的模式识别72

一、多层前馈神经网络在模式识别中的应用方式72

二、基于遗传神经网络的科研立项评审方法73

第二节 双向联想记忆（BAM）80

一、M矩阵的确定80

二、双向联想功能的实现81

三、BAM在故障诊断中的应用例子82

一、插值问题84

第三节 径向基函数神经网络84

二、正规化问题85

三、RBF网络学习方法87

第四节 自组织特征映射神经网络89

一、网络的拓扑结构90

二、网络自组织算法90

三、有教师学习91

四、自组织网络用于模式识别的一个例子91

一、弱学习及其提升技术92

第五节 神经网络集成92

二、神经网络集成94

三、神经网络集成在模式识别中的应用96

第五章 模糊模式识别99

第一节 模糊数学的基本理论99

一、模糊集合99

二、模糊关系102

三、模糊变换与模糊综合评判105

第二节 模糊模式识别的基本方法106

一、最大隶属原则106

二、择近原则108

第三节 模糊神经网络109

一、模糊神经元110

二、模糊神经网络111

三、模糊BP网络111

四、模糊联想记忆112

第四节 模糊聚类分析114

第五节 模糊c—均值算法119

第六节 模糊模式识别技术在故障诊断中的应用120

一、柴油机系统故障的模糊逻辑诊断120

二、模糊神经网络在汽轮发电机组故障诊断中的应用122

第六章 基于核方法的特征提取技术126

第一节 核方法126

第二节 基于核的主成分分析方法129

一、KPCA的基本原理129

二、算例分析130

第三节 基于核的Fisher判别方法133

一、Fisher判别方法133

二、基于核的Fisher判别方法134

三、算例分析136

一、PP方法总体思路与PP指标137

第四节 基于核的投影寻踪方法137

二、PP主成分分析138

三、基于核的PP方法139

四、算例分析140

第五节 主动学习在基于核的特征提取中的应用142

一、主动学习方法简介142

二、KPCA中样本筛选的可行性研究142

三、KPCA中样本筛选的具体方法145

四、算例分析145

一、一般机器学习方法所遇到的问题148

第七章 支持向量机模式识别148

第一节 统计学习理论基本内容148

二、统计学习理论149

第二节 支持向量机150

一、最优分类面150

二、支持向量机模型151

三、多类情况下的SVM模型152

四、算例分析154

第三节 线性规划支持向量机155

一、不同范数下超平面之间的距离计算155

五、SVM的初步讨论155

二、L1范数下的线性规划支持向量机模型156

三、L∞范数下的线性规划支持向量机模机158

四、线性规划支持向量机模型的几何性质158

第四节 等损失SVM模型159

一、基于等风险的SVM模型160

二、诊断算例161

三、小结162

第五节 样本数目相差悬殊时的SVM模型162

一、样本数目相差悬殊时的SVM模型概述163

二、算例分析164

三、小结165

第六节 SVM中先验知识的应用165

第七节 主动学习与支持向量机167

第八章 基于核方法的奇异状态检测方法169

第一节 野点的定义与类型170

第二节 野点检测的常规方法170

一、基于统计的野点检测方法170

三、基于偏离的野点检测方法171

四、基于神经网络的野点检测方法171

二、基于距离的野点检测方法171

第三节 核方法下基于边界的野点检测172

第四节 野点检测在机械设备运行状态实时监测中的应用176

一、实时监测原理176

二、仿真算例分析177

第五节 基于距离的样本点选择方法180

一、原理180

二、仿真算例181

第一节 支持向量机在滚动轴承质量分类中的应用184

一、轴承检测装置的硬件设计184

第九章 模式识别应用实例184

二、检测参数的确定185

三、基于支持向量机的滚动轴承质量检测方法186

第二节 基于SVDD的多类分类算法及其在人脸识别中的应用192

一、基于SVDD的多类分类算法192

二、在人脸识别中的应用193

第三节 基于ANN的肺癌细胞识别与分类194

一、涂片图像的预处理194

二、参数的提取195

三、基于神经网络的识别与分类196

四、实验结果196

参考文献197