《智慧型模式識別方法》是2006年 華南理工大學出版社出版的圖書
基本介紹
- 書名：智慧型模式識別方法
- 又名： zhi neng mo shi shi bie fang fa
- ISBN： 7-5623-2316-X
- 頁數： 202頁
- 出版社： 華南理工大學出版社
- 出版時間： 2006
圖書信息,摘要信息,圖書目錄,
圖書信息
題 名： 智慧型模式識別方法
題名拼音： zhi neng mo shi shi bie fang fa
I S B N： 7-5623-2316-X
責 任 者： 肖健華編著
出 版 社： 華南理工大學出版社
出版地點： 廣州
出版時間： 2006
載體形態： 202頁
主 題 詞： 人工智慧
中圖分類號： TP18
摘要信息
模式識別與智慧型系統圖書目錄
第一章 緒論
第一節 模式識別的含義
一 模式與模式識別的概念
二 模式識別系統
三 模式識別的主要研究內容
第二節 模式識別的主要方法
第三節 模式識別的套用領域
一 文字識別
二 語音識別
三 醫學上的套用
四 狀態監測與故障診斷
五 人臉識別
六 身份識別
第二章 統計模式識別基本理論
第一節 貝葉斯決策
一 最小錯誤率貝葉斯分類
二 最小風險率貝葉斯分類
第二節 機率密度函式估計
一 參數估計
二 非參數技術
第三節 線性分類器
一 線性判別函式的基本概念
二 最小距離分類器
三 感知器準則函式
四 Fisher線性判別函式
第四節 近鄰法
一 最近鄰法
二 K—近鄰法
第五節 聚類分析
一 模式相似性測度和聚類準則
二 層次聚類法
三 c—均值算法
四 ISODATA算法
第六節 特徵選擇與提取的基本方法
一 特徵評判標準——類別可分性判據
二 特徵選擇及搜尋算法
三 基於K—L變換的特徵提取
第三章 特徵選擇與提取中的智慧型方法
第一節 基於神經網路的特徵選擇與提取
一 神經網路理論
二 前向多層神經網路、BP算法
三 基於神經網路的特徵選擇與提取方法
第二節 基於粗糙集的特徵選擇與提取
一 粗糙集基本理論
二 基於粗糙集的屬性約簡
三 連續屬性的離散化方法
四 粗糙集理論屬性約簡中的三個問題
五 基於啟發式知識的屬性約簡方法
第三節 基於遺傳算法的特徵選擇與提取
一 基本遺傳算法
二 遺傳算法的基本實現技術
三 遺傳算法與特徵選擇、提取
第四章 神經網路模式識別
第一節 基於多層前饋神經網路的模式識別
一 多層前饋神經網路在模式識別中的套用方式
二 基於遺傳神經網路的科研立項評審方法
第二節 雙向聯想記憶(BAM)
一 M矩陣的確定
二 雙向聯想功能的實現
三 BAM在故障診斷中的套用例子
第三節 徑向基函式神經網路
一 插值問題
二 正規化問題
三 RBF網路學習方法
第四節 自組織特徵映射神經網路
一 網路的拓撲結構
二 網路自組織算法
三 有教師學習
四 自組織網路用於模式識別的一個例子
第五節 神經網路集成
一 弱學習及其提升技術
二 神經網路集成
三 神經網路集成在模式識別中的套用
第五章 模糊模式識別
第一節 模糊數學的基本理論
一 模糊集合
二 模糊關係
三 模糊變換與模糊綜合評判
第二節 模糊模式識別的基本方法
一 最大隸屬原則
二 擇近原則
第三節 模糊神經網路
一 模糊神經元
二 模糊神經網路
三 模糊BP網路
四 模糊聯想記憶
第四節 模糊聚類分析
第五節 模糊c—均值算法
第六節 模糊模式識別技術在故障診斷中的套用
一 柴油機系統故障的模糊邏輯診斷
二 模糊神經網路在汽輪發電機組故障診斷中的套用
第六章 基於核方法的特徵提取技術
第一節 核方法
第二節 基於核的主成分分析方法
一 KPCA的基本原理
二 算例分析
第三節 基於核的Fisher判別方法
一 Fisher判別方法
二 基於核的Fisher判別方法
三 算例分析
第四節 基於核的投影尋蹤方法
一 PP方法總體思路與PP指標
二 PP主成分分析
三 基於核的PP方法
四 算例分析
第五節 主動學習在基於核的特徵提取中的套用
一 主動學習方法簡介
二 KPCA中樣本篩選的可行性研究
三 KPCA中樣本篩選的具體方法
四 算例分析
第七章 支持向量機模式識別
第一節 統計學習理論基本內容
一 一般機器學習方法所遇到的問題
二 統計學習理論
第二節 支持向量機
一 最優分類面
二 支持向量機模型
三 多類情況下的SVM模型
四 算例分析
五 SVM的初步討論
第三節 線性規劃支持向量機
一 不同範數下超平面之間的距離計算
二 L<,1>範數下的線性規劃支持向量機模型
三 L<,∞>範數下的線性規劃支持向量機模機
四 線性規劃支持向量機模型的幾何性質
第四節 等損失SVM模型
一 基於等風險的SVM模型
二 診斷算例
三 小結
第五節 樣本數目相差懸殊時的SVM模型
一 樣本數目相差懸殊時的SVM模型概述
二 算例分析
三 小結
第六節 SVM中先驗知識的套用
第七節 主動學習與支持向量機
第八章 基於核方法的奇異狀態檢測方法
第一節 野點的定義與類型
第二節 野點檢測的常規方法
一 基於統計的野點檢測方法
二 基於距離的野點檢測方法
三 基於偏離的野點檢測方法
四 基於神經網路的野點檢測方法
第三節 核方法下基於邊界的野點檢測
第四節 野點檢測在機械設備運行狀態實時監測中的套用
一 實時監測原理
二 仿真算例分析
第五節 基於距離的樣本點選擇方法
一 原理
二 仿真算例
第九章 模式識別套用實例
第一節 支持向量機在滾動軸承質量分類中的套用
一 軸承檢測裝置的硬體設計
二 檢測參數的確定
三 基於支持向量機的滾動軸承質量檢測方法
第二節 基於SVDD的多類分類算法及其在人臉識別中的套用
一 基於SVDD的多類分類算法
二 在人臉識別中的套用
第三節 基於ANN的肺癌細胞識別與分類
一 塗片圖像的預處理
二 參數的提取
三 基於神經網路的識別與分類
四 實驗結果
參考文獻
