模式识别技术及其应用PDF|Epub|txt|kindle电子书版本网盘下载

模式识别技术及其应用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1章 模式识别简介1

1.1 模式识别的相关概念1

1.2 模式识别的发展历程5

1.3 模式识别系统的基本组成和特点5

1.3.1 基本组成5

1.3.2 特点7

1.4 模式识别的主要方法7

1.5 模式识别中的若干问题10

1.5.1 学习10

1.5.2 模式的紧致性11

1.5.3 模式的相似性12

1.5.4 模式分类的主观性和客观性12

1.6 模式识别的基本知识13

1.6.1 模式的表示方法13

1.6.2 模式相似性度量常用的几种距离13

1.6.3 模式特征的形成14

1.6.4 数据的标准化14

1.7 模式识别的典型应用和发展15

1.7.1 模式识别的典型应用15

1.7.2 模式识别的发展17

参考文献17

第2章 预处理方法18

2.1 自适应滤波18

2.1.1 自适应滤波原理18

2.1.2 自适应滤波器结构及应用19

2.1.3 LMS自适应滤波20

2.1.4 RLS自适应滤波21

2.1.5 自适应滤波的实现23

2.1.6 MATLAB实验24

2.2 盲源分离27

2.2.1 信息论的基本概念27

2.2.2 常用的目标函数30

2.2.3 ICA算法及实现流程31

2.2.4 SOBI算法及实现流程38

参考文献39

第3章 特征提取方法40

3.1 小波变换40

3.1.1 简介40

3.1.2 傅里叶变换41

3.1.3 短时傅里叶变换42

3.1.4 连续小波变换43

3.1.5 离散小波变换47

3.2 小波包变换49

3.3 小波变换及小波包变换特征表示50

3.4 希尔伯特-黄变换53

3.4.1 HHT简介53

3.4.2 HHT原理及实现53

3.4.3 HHT方法的优越性56

3.5 功率谱分析58

参考文献59

第4章 分类方法60

4.1 贝叶斯分类60

4.1.1 贝叶斯定理60

4.1.2 基本概念及贝叶斯决策理论60

4.1.3 基于最小错误率的贝叶斯决策61

4.1.4 基于最小风险的贝叶斯决策62

4.1.5 基于最小错误率和基于最小风险贝叶斯决策之间的关系64

4.1.6 贝叶斯分类器的设计64

4.2 线性分类65

4.2.1 线性判别函数65

4.2.2 线性分类器的学习算法68

4.3 神经网络分类73

4.3.1 概述73

4.3.2 组成74

4.3.3 神经元原理与模型74

4.3.4 感知器77

4.4 支持向量机85

4.4.1 概述85

4.4.2 线性分类器85

4.4.3 非线性分类器88

参考文献93

第5章 基于贝叶斯决策的细胞及性别和鱼类识别94

5.1 贝叶斯决策描述94

5.2 基于贝叶斯决策的细胞识别95

5.2.1 细胞识别问题描述95

5.2.2 基于最小错误准则的细胞识别96

5.2.3 基于最小风险的细胞识别97

5.3 基于贝叶斯决策的性别识别98

5.3.1 性别识别问题描述及算法步骤98

5.3.2 性别识别结果99

5.4 基于贝叶斯决策的鱼类识别101

5.4.1 鱼类识别问题描述及算法步骤101

5.4.2 鱼类识别结果102

参考文献103

第6章 基于语音的说话人识别104

6.1 说话人识别简介104

6.2 说话人识别方法和基本原理105

6.2.1 说话人识别方法105

6.2.2 说话人识别基本原理105

6.3 语音信号的数字化107

6.4 语音信号的预处理107

6.5 语音信号的特征提取110

6.6 基于矢量量化的说话人识别117

6.7 基于语音的说话人识别结果118

参考文献119

第7章 车牌识别121

7.1 车牌识别简介121

7.2 车牌识别步骤122

7.3 车牌识别实例123

7.3.1 车牌定位123

7.3.2 字符分割126

7.3.3 车牌识别127

参考文献130

第8章 脑机接口中运动想象脑电信号的识别131

8.1 脑机接口的基本概念与原理131

8.2 基于独立分量分析的脑电信号预处理133

8.3 基于小波和小波包变换的脑电信号特征提取135

8.3.1 基于小波变换系数及系数均值的特征提取136

8.3.2 基于小波包分解系数及子带能量的特征提取138

8.3.3 数据描述140

8.3.4 基于小波变换系数及系数均值处理结果140

8.3.5 基于小波包分解系数及子带能量处理结果142

8.4 基于HHT的脑电信号特征提取143

8.4.1 数据描述143

8.4.2 数据预处理144

8.4.3 基于HHT的AR特征145

8.4.4 基于HHT的IE特征152

8.5 基于概率神经网络的脑电信号分类153

8.6 基于支持向量机的脑电信号分类155

参考文献157

第9章 基于红外火焰探测的火灾识别159

9.1 红外火焰探测的基本原理及组成159

9.1.1 火灾探测简介159

9.1.2 红外火焰探测基本原理160

9.1.3 红外火焰探测硬件基本组成161

9.2 基于时频结合的火灾信号特征提取162

9.2.1 数据获取过程162

9.2.2 数据预处理及正确性分析163

9.2.3 数据正确性初步分析163

9.2.4 火灾时域特征提取165

9.2.5 火灾频域特征提取167

9.3 基于决策树的火灾识别171

9.3.1 决策树基本思想171

9.3.2 决策树特点173

9.3.3 基于决策树的火灾识别173

参考文献175

第10章 基于K-L变换的人脸识别176

10.1 人脸识别技术简介176

10.1.1 人脸识别技术背景及其应用价值176

10.1.2 人脸识别技术的研究内容177

10.1.3 自动人脸识别系统的组成178

10.1.4 常用的人脸识别数据库179

10.2 K-L变换的基本原理180

10.3 基于K-L变换的人脸识别方法181

10.3.1 人脸图像的预处理181

10.3.2 特征向量的计算184

10.3.3 选取特征向量张成人脸空间185

10.3.4 基于最小距离法的分类识别187

参考文献190

第11章 基于深度数据的运动目标检测191

11.1 研究背景191

11.2 Kinect深度数据的获取192

11.3 单高斯模型运动目标检测算法193

11.3.1 单高斯模型背景参数建立193

11.3.2 前景点及背景点判断194

11.3.3 背景参数更新194

11.4 实验结果194

11.5 本章小结195

参考文献196

第12章 基于指纹的生物识别198

12.1 基于指纹的生物识别概念198

12.2 指纹识别的过程及主要特征199

12.2.1 总体特征199

12.2.2 局部特征200

12.3 指纹识别的实现步骤与实验结果201

12.3.1 指纹图像采集201

12.3.2 指纹图像预处理202

12.3.3 特征提取203

12.3.4 指纹库数据存储204

12.3.5 指纹识别205

12.3.6 指纹识别实验结果205

参考文献205

第13章 基于虹膜的生物识别207

13.1 研究背景207

13.1.1 常见的生物特征识别技术207

13.1.2 虹膜及识别系统组成208

13.1.3 虹膜识别典型应用209

13.2 虹膜识别算法原理210

13.2.1 预处理虹膜定位210

13.2.2 特征提取215

13.2.3 虹膜匹配 汉明距离分类器218

13.2.4 识别结果218

13.3 本章小结219

参考文献219

第14章 电影中吸烟镜头识别220

14.1 研究背景及现状概述220

14.2 基于SIFT与STIP的吸烟检测221

14.2.1 SIFT特征描述221

14.2.2 STIP特征描述222

14.2.3 纯贝叶斯互信息最大化223

14.2.4 识别系统框架224

14.3 实验结果分析225

14.3.1 训练数据与测试数据225

14.3.2 测试结果226

14.4 本章小结227

参考文献227

第15章 黄瓜病害识别228

15.1 研究背景228

15.2 基于图像的黄瓜病害识别229

15.2.1 图像采集229

15.2.2 图像预处理229

15.2.3 特征参数提取233

15.2.4 黄瓜病虫害的模糊模式识别235

15.2.5 黄瓜病虫害的模糊模式识别结果分析235

15.3 本章小结237

参考文献237

第16章 昆虫识别238

16.1 研究背景238

16.2 基于图像的昆虫识别239

16.2.1 图像预处理239

16.2.2 特征提取241

16.2.3 分类器设计245

16.2.4 识别结果246

16.3 本章小结246

参考文献247