模式识别的理论与方法【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

模式识别的理论与方法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　概论1

第二章　贝叶斯决策理论4

第一节　基于最小错误率的贝叶斯判别法4

第二节 基于贝叶斯公式的几种判别规则8

一、基于最小风险的贝叶斯决策8

二、聂曼-皮尔逊决策法10

三、最小最大决策13

四、序贯分类决策15

第三节　正态分布模式的统计决策16

一、正态分布概率密度函数的定义及性质16

二、多元正态概率模型的贝叶斯判别函数20

第四节　概率密度函数的估计23

一、均值向量和协方差矩阵的参数估计23

二、概率密度函数的函数近似24

三、后验概率的函数估计27

四、均值向量和协方差矩阵的贝叶斯估计29

第五节 贝叶斯分类器的错误概率32

第三章　判别函数与确定性分类器39

第一节　线性判别函数与广义线性判别函数39

一、两类别问题39

二、多类别问题40

第二节　广义线性判别函数的二分能力44

一、二分法44

二、广义线性判别函数的二分能力46

第三节　感知器算法47

一、基于赏-罚概念的感知器训练算法47

二、梯度法49

第四节　最小平方误差算法（LMSE）50

第五节 多类模式的分类器迭代算法52

第六节　势函数法55

一、判别函数的产生55

二、势函数的选取56

第一节　按距离聚类的概念60

第四章　聚类分析60

第二节　模式相似性测度与聚类准则61

一、模式相似性测度61

二、聚类准则63

第三节　聚类算法65

一、简单搜索算法65

二、最大的最小距离算法65

三、K均值算法67

四、ISODATA算法69

五、系统聚类法（Hierarchical Clusterring Method）73

六、模式样本的选取和初始聚类中心的确定74

第四节　对聚类的评价75

一、聚类几何分布的显示75

二、图表分析75

三、屏幕显示与实地（或实物）抽样检核76

四、借助有关文献、图件和已有成果评价聚类结果77

第五章　模式特征分析与选取78

一、欧氏距离79

第一节　描述模式分布状态的测度79

二、离散度80

三、特征变换与排序81

四、熵82

第二节　特征提取的方法83

一、独立特征的选取准则83

二、一般情况下的特征选取准则83

三、穷举法85

四、最小熵方法85

五、OIF（Optimum Index Factor）指标86

第三节　离散K-L变换86

一、离散K-L展开87

二、根据K-L展开式选择特征88

第四节　利用K-L变换的分类特征提取91

一、按总体散布矩阵作K-L变换91

二、按类内散布矩阵作K-L变换91

三、按类间散布矩阵作K-L变换91

第五节　增维问题95

一、辅助数据的应用96

二、数据复合技术的利用96

三、纹理分析97

四、智能化——专家意识的注入98

第六章　模糊集合理论在模式识别中的应用100

第一节　引言100

第二节　模糊子集100

一、模糊集的简单运算103

第三节　模糊集的简单运算、模糊度与模糊关系103

二、模糊度104

三、模糊关系和模糊关系矩阵105

第四节　隶属函数的确定107

一、模糊统计法107

二、二元对比排序法110

三、逻辑推理法113

四、专家评判法113

五、采用常见的隶属函数的函数逼近法113

一、最大隶属原则识别法114

第五节　模糊集理论在模式识别中的应用114

二、择近原则识别法116

三、模糊聚类分析法116

第七章　句法模式识别123

第一节　形式语言基础和文法123

一、字母表和符号串123

二、文法124

三、句子与语言125

四、文法的四种基本类型125

第二节　一维及高维文法127

一、串文法127

二、图像描述语言PDL（Picture Description Language）128

三、树文法129

第三节　基元提取和文法推断130

一、基元提取131

二、文法推断132

一、句法分析134

第四节　句法分析和自动机识别134

二、句法结构的自动机识别135

第八章　人工神经网络在模式识别中的应用137

第一节　人工神经网络概述137

一、概述137

二、人工神经网络基础138

第二节　前馈神经网络及其主要算法142

一、前馈神经网络142

二、感知器142

三、三层前馈网络143

四、反向传播算法（BP法）144

五、径向基函数网络146

第三节　Hopfield网络148

一、Hopfield网络概述148

二、离散Hopfield网络（DHNN）148

三、联想存储器149

五、连续Hopfield网络（CHNN）150

四、优化计算150

第四节 自适应共振理论神经网络151

一、概述151

二、ART网络的结构及原理151

三、ART1网络算法步骤153

第五节 自组织特征映射神经网络154

一、概述154

二、SOFM网络模型及功能155

三、SOFM网络原理156

附录160

一、概率论和矩阵论的有关内容160

二、n维模式的线性二分法公式推导166

三、感知器算法的收敛证明167

四、多元正态随机向量边缘分布、条件分布和线性变换的正态性证明170

五、应用实例172

六、几种典型的隶属函数分布176

参考文献182