标签分类
当前位置:首页 > 人工智能电子书 > MATLAB电子书网盘下载
模式识别与智能计算MATLAB技术实现 模式识别与智能计算MATLAB技术实现
码小辫

码小辫 提供上传

资源
43
粉丝
29
喜欢
7
评论
3

    模式识别与智能计算MATLAB技术实现 PDF 全书第三版

    MATLAB电子书
    • 发布时间:

    给大家带来的一篇关于MATLAB相关的电子书资源,介绍了关于模式识别、智能计算、MATLAB、技术实现方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小70.6 MB,杨淑莹编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.3,更多相关的学习资源可以参阅 人工智能电子书、等栏目。

  • 模式识别与智能计算MATLAB技术实现 PDF 下载
  • 下载地址:https://pan.baidu.com/s/1t-Pv8gJVVAd7niZzvPeyyw
  • 分享码:8fw4
  • 模式识别与智能计算MATLAB技术实现 PDF

    这书普遍汲取生物学、神经元网络、大数据挖掘、深度学习、人工智能技术、群智能化测算等课程的优秀观念和基础理论,将其运用到模式识别行业中;以这种新的管理体系,系统软件、全方位地详细介绍模式识别的基础理论、方式及运用。本书分成14章,內容包含:模式识别简述,特点的挑选与提升,方式相似度测度,根据概率统计的贝叶斯分类器布置,判别函数分类器布置,神经元网络分类器布置(BP神经元网络、轴向基涵数神经元网络、自组织市场竞争神经元网络、几率神经元网络、对向散播神经元网络、意见反馈型神经元网络),决策树分类器布置,粗糙集分类器布置,聚类分析,模糊聚类分析,忌讳搜索算法聚类分析,遗传算法聚类分析,蚁群算法聚类分析,粒子群算法聚类分析。

    这书內容新奇,应用性强,基础理论与具体运用紧密融合,以笔写大数字鉴别为运用案例,详细介绍基础理论应用于实践活动的保持流程及相对的Matlab编码,为众多科学研究工作人员和工程项目专业技术人员对有关基础理论的运用出示效仿。

    杨淑莹,天津理工大学计算机专业专家教授,天津大学电子信息学院博士研究生,发布有关的毕业论文近20篇,在其中四篇被EI查找。出版发行的多本经典著作被清华等多家高校当选硕士研究生或本科毕业教材内容。出版发行方位:计算机视觉,模式识别,图象处理及运用,运动控制系统和机器人视觉操纵。

    目录

    • 第1章 模式识别概述
    • 1.1模式识别的基本概念
    • 1.2模式识别的基本方法
    • 1.3统计模式识别
    • 1.3.1统计模式识别研究的主要问题
    • 1.3.2统计模式识别方法简介
    • 1.4分类分析
    • 1.4.1分类器设计
    • 1.4.2判别函数
    • 1.4.3分类器的选择
    • 1.4.4训练与学习
    • 1.5聚类分析
    • 1.5.1聚类的设计
    • 1.5.2基于试探法的聚类设计
    • 1.5.3基于群体智能优化算法的聚类设计
    • 1.6模式识别的应用
    • 本章 小结
    • 习题1
    • 第2章 特征的选择与优化
    • 2.1特征空间优化设计问题
    • 2.2样本特征库初步分析
    • 2.3样品筛选处理
    • 2.4特征筛选处理
    • 2.5特征评估
    • 2.6基于主成分分析的特征提取
    • 2.7特征空间描述与分析
    • 2.7.1特征空间描述
    • 2.7.2特征空间分布分析
    • 2.8手写数字特征提取与分析
    • 2.8.1手写数字特征提取
    • 2.8.2手写数字特征空间分布分析
    • 本章 小结
    • 习题2
    • 第3章 模式相似性测度
    • 3.1模式相似性测度的基本概念
    • 3.2距离测度分类法
    • 3.2.1模板匹配法
    • 3.2.2基于PCA的模板匹配法
    • 3.2.3基于类中心的欧式距离法分类
    • 3.2.4马氏距离分类
    • 3.2.5夹角余弦距离分类
    • 3.2.6二值化的夹角余弦距离法分类
    • 3.2.7二值化的Tanimoto测度分类
    • 本章 小结
    • 习题3
    • 第4章 基于概率统计的贝叶斯分类器设计
    • 4.1贝叶斯决策的基本概念
    • 4.1.1贝叶斯决策所讨论的问题
    • 4.1.2贝叶斯公式
    • 4.2基于最小错误率的贝叶斯决策
    • 4.3基于最小风险的贝叶斯决策
    • 4.4贝叶斯决策比较
    • 4.5基于二值数据的贝叶斯分类实现
    • 4.6基于最小错误率的贝叶斯分类实现
    • 4.7基于最小风险的贝叶斯分类实现
    • 本章 小结
    • 习题4
    • 第5章 判别函数分类器设计
    • 5.1判别函数的基本概念
    • 5.2线性判别函数
    • 5.3线性判别函数的实现
    • 5.4感知器算法
    • 5.5增量校正算法
    • 5.6LMSE验证可分性
    • 5.7LMSE分类算法
    • 5.8Fisher分类
    • 5.9基于核的Fisher分类
    • 5.10势函数法
    • 5.11支持向量机
    • 本章 小结
    • 习题5
    • 第6章 神经网络分类器设计
    • 6.1人工神经网络的基本原理
    • 6.1.1人工神经元
    • 6.1.2人工神经网络模型
    • 6.1.3神经网络的学习过程
    • 6.1.4人工神经网络在模式识别问题上的优势
    • 6.2BP神经网络
    • 6.2.1BP神经网络的基本概念
    • 6.2.2BP神经网络分类器设计
    • 6.3径向基函数神经网络(RBF)
    • 6.3.1径向基函数神经网络的基本概念
    • 6.3.2径向基函数神经网络分类器设计
    • 6.4自组织竞争神经网络
    • 6.4.1自组织竞争神经网络的基本概念
    • 6.4.2自组织竞争神经网络分类器设计
    • 6.5概率神经网络(PNN)
    • 6.5.1概率神经网络的基本概念
    • 6.5.2概率神经网络分类器设计
    • 6.6对向传播神经网络(CPN)
    • 6.6.1对向传播神经网络的基本概念
    • 6.6.2对向传播神经网络分类器设计
    • 6.7反馈型神经网络(Hopfield)
    • 6.7.1Hopfield网络的基本概念
    • 6.7.2Hopfield神经网络分类器设计
    • 本章 小结
    • 习题6
    • 第7章 决策树分类器设计
    • 7.1决策树的基本概念
    • 7.2决策树分类器设计
    • 本章 小结
    • 习题7
    • 第8章 粗糙集分类器设计
    • 8.1粗糙集理论的基本概念
    • 8.2粗糙集在模式识别中的应用
    • 8.3粗糙集分类器设计
    • 本章 小结
    • 习题8
    • 第9章 聚类分析
    • 9.1聚类的设计
    • 9.2基于试探的未知类别聚类算法
    • 9.2.1最临近规则的试探法
    • 9.2.2最大最小距离算法
    • 9.3层次聚类算法
    • 9.3.1最短距离法
    • 9.3.2最长距离法
    • 9.3.3中间距离法
    • 9.3.4重心法
    • 9.3.5类平均距离法
    • 9.4动态聚类算法
    • 9.4.1K均值算法
    • 9.4.2迭代自组织的数据分析算法(ISODATA)
    • 9.5模拟退火聚类算法
    • 9.5.1模拟退火的基本概念
    • 9.5.2基于模拟退火思想的改进K均值聚类算法
    • 本章 小结
    • 习题9
    • 第10章 模糊聚类分析
    • 10.1模糊集的基本概念
    • 10.2模糊集运算
    • 10.2.1模糊子集运算
    • 10.2.2模糊集运算性质
    • 10.3模糊关系
    • 10.4模糊集在模式识别中的应用
    • 10.5基于模糊的聚类分析
    • 本章 小结
    • 习题10
    • 第11章 禁忌搜索算法聚类分析
    • 11.1禁忌搜索算法的基本原理
    • 11.2禁忌搜索的关键参数和相关操作
    • 11.3基于禁忌搜索算法的聚类分析
    • 本章 小结
    • 习题11
    • 第12章 遗传算法聚类分析
    • 12.1遗传算法的基本原理
    • 12.2遗传算法的构成要素
    • 12.2.1染色体的编码
    • 12.2.2适应度函数
    • 12.2.3遗传算子
    • 12.3控制参数的选择
    • 12.4基于遗传算法的聚类分析
    • 本章 小结
    • 习题12
    • 第13章 蚁群算法聚类分析
    • 13.1蚁群算法的基本原理
    • 13.2聚类数目已知的蚁群聚类算法
    • 13.3聚类数目未知的蚁群聚类算法
    • 本章 小结
    • 习题13
    • 第14章 粒子群算法聚类分析
    • 14.1粒子群算法的基本原理
    • 14.2基于粒子群算法的聚类分析
    • 本章 小结
    • 习题14
    • 参考文献

    上一篇:Cocos2d-x手机游戏开发与项目实战详解  下一篇:深入浅出DPDK

    展开 +

    收起 -

    码小辫二维码
     ←点击下载即可登录

    MATLAB相关电子书
    学习笔记
    网友NO.140429

    详解python和matlab的优势与区别

    Python是一种面向对象的解释型计算机程序设计语言。Python是纯粹的自由软件, 源代码和解释器CPython遵循 GPL(GNU General Public License)协议 。Python语法简洁清晰,特色之一是强制用空白符(white space)作为语句缩进。 Python的优势: Python相对于Matlab最大的优势:免费。但既然你已经能用上Matlab,想必不在乎这个了。 Python次大的优势:开源。你可以大量更改科学计算的算法细节。 可移植性,Matlab必然不如Python。但你主要做Research,这方面需求应当不高。 第三方生态,Matlab不如Python。比如3D的绘图工具包,比如GUI,比如更方便的并行,使用GPU,Functional等等。长期来看,Python的科学计算生态会比Matlab好。 语言更加优美。另外如果有一定的OOP需求,构建较大一点的科学计算系统,直接用Python比用Matlab混合的方案肯定要简洁不少。 毕竟是通用的编程语言,做做Web,搞个爬虫,编个脚本,写个小工具啥的用处广。 MATLAB是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分。 Matlab的优势: Community. 既然你们实验室用Matlab,说明搞你们这个领域的大部分学者可能都用Matlab。交流起来必然更加方便。 Simulink, 只能说这是个良心作品,不……

    网友NO.239224

    python调用并链接MATLAB脚本详解

    发现一个很简单的配置方法,一直想写的没写上,今天抽空就把它给补充完整好了。 本文的配置方法Windows,Mac和Linux系统均适合。 一.安装MATLAB Engine API for python install MATLAB Engine API for Python Windows系统 cd "matlabroot\extern\engines\python"python setup.py install Mac or Linux系统 cd "matlabroot/extern/engines/python"python setup.py install 这里的"matlabroot"是你matlab所在的安装路径,注意,上面两个地址中的反斜杠是不同的。 二.用Python调用脚本或者函数 Call User Script and Function from Python 脚本 在当前目录下,MATLAB建立triarea.m脚本文件,内容如下 b = 5;h = 3;a = 0.5*(b.* h) 然后同目录下新建一个test.py,内容如下 import matlab.engineeng = matlab.engine.start_matlab()eng.triarea(nargout=0) 函数 MATLAB建立一个function文件,内容如下: function a = triarea(b,h)a = 0.5*(b.* h); 同样,test.py修改如下: import matlab.engineeng = matlab.engine.start_matlab()ret = eng.triarea(1.0,5.0)print(ret) # 2.5 是不是觉得特别方便?惊不惊喜,意不意外,枉费我之前用mlab时在windows下配置了那么多,后来在Linux下没成功的时候,无意间就发现了这个方法。 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持码农之家。 ……

    网友NO.229968

    简述:我为什么选择Python而不是Matlab和R语言

    做数据分析、科学计算等离不开工具、语言的使用,目前最流行的数据语言,无非是MATLAB,R语言,Python这三种语言,但今天小编简单总结了python语言的一些特点及平常使用的工具等。 为什么Python比MATLAB、R语言好呢? 其实,这三种语言都很多数据分析师在用,但更推荐python,主要是有以下几点: 1、python易学、易读、易维护,处理速度也比R语言要快,无需把数据库切割; 2、python势头猛,众多大公司需要,市场前景广阔;而MATLAB语言比较局限,专注于工程和科学计算方面,而且MATLAB价格贵,免费版或盗版都只能玩玩学习用; 3、python具有丰富的扩展库,这个是其他两个不能比的; python版本选择 初学者版本选择是很多人都会问的,我们也不会偏向某个版本,主要根据自己的所需,但建议是选择最新版本Python3.x,这样很多新功能和旧功能都会有的,但是目前很多第三方库仍然不支持Python3,因为Python2.x已经停止继续开发,不意味着不能使用。 IDE选择 Spyder 这个正是我现在在用的: Spyder界面 它具有模仿MATLAB的工作空间的功能,可以很方便地观察和修改数组的值。显示哪些窗口可以自定义,很方便。 使用中出现了一些小问题,比如说str()函数报错,cmdprompt乱码之类的,后来就没有用Spyder跑过比较长的代码了,调试起来太麻烦了,……

    网友NO.303521

    python和matlab的区别

    Python 是一种面向对象的解释型计算机程序设计语言。Python是纯粹的自由软件, 源代码和解释器CPython遵循 GPL(GNU General Public License)协议 。Python语法简洁清晰,特色之一是强制用空白符(white space)作为语句缩进。 Python的优势: (推荐学习:Python视频教程) Python相对于Matlab最大的优势:免费。但既然你已经能用上Matlab,想必不在乎这个了。 Python次大的优势:开源。你可以大量更改科学计算的算法细节。 可移植性,Matlab必然不如Python。但你主要做Research,这方面需求应当不高。 第三方生态,Matlab不如Python。比如3D的绘图工具包,比如GUI,比如更方便的并行,使用GPU,Functional等等。长期来看,Python的科学计算生态会比Matlab好。 语言更加优美。另外如果有一定的OOP需求,构建较大一点的科学计算系统,直接用Python比用Matlab混合的方案肯定要简洁不少。 毕竟是通用的编程语言,做做Web,搞个爬虫,编个脚本,写个小工具啥的用处广。 MATLAB 是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分。 Matlab的优势: Community. 既然你们实验室用Matlab,说明搞你们这个领域的大部分学者可能都用Matlab。交流起来必然更加方便。 Si……

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明