模式识别原理及工程应用PDF|Epub|txt|kindle电子书版本网盘下载

模式识别原理及工程应用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 模式识别概述1

1.1 模式识别的基本概念1

1.2 模式识别的主要方法2

1.2.1 决策理论方法2

1.2.2 句法方法3

1.2.3 模糊模式识别方法3

1.2.4 人工神经网络方法3

1.2.5 人工智能方法4

1.3 模式识别系统4

1.4 模式识别系统的应用举例5

1.4.1 指纹识别5

1.4.2 车牌识别6

1.4.3 人脸识别7

1.4.4 语音识别9

1.5 本书的主要内容10

本章小结11

习题11

第2章 基于贝叶斯决策理论的分类器12

2.1 分类器的描述方法12

2.2 贝叶斯决策理论15

2.2.1 贝叶斯决策理论的概念15

2.2.2 基于最小错误率的贝叶斯决策与实现16

2.2.3 基于最小风险的贝叶斯决策与实现18

2.3 判别函数和决策面20

2.4 正态分布的贝叶斯分类21

2.5 最小最大损失准则28

本章小结32

习题32

第3章 概率密度函数的估计33

3.1 引言33

3.2 参数估计的基本概念34

3.2.1 最大似然估计34

3.2.2 贝叶斯估计和贝叶斯学习36

3.3 正态分布的有监督参数估计36

3.3.1 最大似然估计示例37

3.3.2 贝叶斯估计和贝叶斯学习示例38

3.4 无监督参数估计39

3.4.1 无监督最大似然估计中的几个问题39

3.4.2 正态分布情况下的无监督参数估计41

3.5 总体分布的非参数估计41

3.5.1 基本方法41

3.5.2 Parzen窗法43

本章小结44

习题45

第4章 判别函数分类器的设计46

4.1 判别函数的基本概念46

4.2 线性判别函数46

4.2.1 广义线性判别函数46

4.2.2 Fisher线性判别49

4.2.3 感知准则函数52

4.2.4 最小平方误差准则函数56

4.3 线性分类器59

4.4 分段线性分类器61

4.5 基于核的Fisher分类64

4.6 非线性判别函数65

4.6.1 分段线性判别函数的基本概念65

4.6.2 用凹函数的并表示分段线性判别函数67

4.7 非线性分类器69

4.8 支持向量机72

本章小结75

习题76

第5章 近邻法77

5.1 最近邻法77

5.1.1 最近邻决策规则77

5.1.2 最近邻法的错误率分析78

5.2 k－近邻法80

5.3 剪辑近邻法84

5.4 压缩近邻法87

本章小结88

习题88

第6章 特征选择90

6.1 引言90

6.2 特征的评价准则90

6.3 类别可分性判据91

6.3.1 基于类距离的可分性判据92

6.4 特征子集的选择93

6.5 最优特征的生成94

6.6 特征选择的最优算法96

6.7 特征选择的次优算法99

6.8 特征选择的遗传算法100

本章小结101

习题102

第7章 特征提取103

7.1 引言103

7.2 基于类别可分性判据的特征提取103

7.3 主成分分析法105

7.4 K-L变换107

7.5 非线性维数降低108

7.6 Haar变换116

本章小结119

习题119

第8章 聚类121

8.1 基本概念121

8.2 动态聚类算法122

8.2.1 概念122

8.2.2 C均值算法122

8.2.3 C均值算法的聚类数目125

8.3 模糊聚类算法126

8.3.1 概念126

8.3.2 模糊C均值算法127

8.3.3 基于交替优化的实现130

8.3.4 基于神经网络的实现131

8.3.5 基于进化计算的实现131

8.4 合并算法131

8.4.1 基于矩阵理论的合并算法133

8.4.2 基于图论的合并算法133

8.5 层次聚类算法134

8.6 最佳聚类数的选择137

8.7 顺序聚类算法138

8.7.1 聚类数的估计140

8.7.2 顺序聚类算法的改进141

本章小结142

习题143

第9章 模糊模式识别方法144

9.1 引言144

9.2 模糊集的基本知识144

9.2.1 模糊集的定义与运算144

9.3 模糊特征和模糊分类149

9.3.1 模糊化特征149

9.3.2 结果的模糊化150

9.4 特征的模糊评价151

9.4.1 模糊度151

9.4.2 模糊特征提取152

9.5 模糊模式识别的基本类型154

9.5.1 第一类模糊模式识别155

9.5.2 第二类模糊模式识别160

9.6 基于模糊相似矩阵的分类方法165

9.6.1 传递闭包法165

9.6.2 直接聚类法165

本章小结167

习题167

第10章 车牌识别的应用举例169

10.1 概述169

10.2 字符识别算法170

10.2.1 字符识别原理170

10.2.2 基于模板匹配的字符识别算法171

10.2.3 基于神经网络的字符识别算法172

10.2.4 特征统计匹配法173

10.3 实验方案174

10.3.1 车牌定位174

10.3.2 车牌字符分割176

10.3.3 车牌字符识别177

本章小结177

习题177

第11章 签名识别的应用举例178

11.1 概述178

11.2 基于视频的签名识别系统流程179

11.3 实验方案180

11.3.1 签名识别的数据获取与初始笔尖定位180

11.3.2 视频签名识别的笔尖追踪183

11.3.3 基于视频的签名识别的特征提取及分类185

本章小结187

习题188

第12章 人脸识别的应用举例189

12.1 概述189

12.2 特征获取算法190

12.2.1 特征获取综述190

12.2.2 基于几何的特征获取算法190

12.2.3 基于统计的特征获取算法192

12.3 实验方案194

12.3.1 人脸定位检测194

12.3.2 人脸特征提取196

12.3.3 人脸分类识别198

本章小结199

习题199

附录 教学建议200

参考文献202