机器识别方法与系统PDF电子书下载

目录 1

第一部分 1

第一章 模式识别理论的基本概念和定义 1

1.1 模式的概念 1

1.2 图形、状态、情势、模式 4

1.3 模式识别的学习问题 5

1.4 识别和结构描述 9

1.5 图形变换为代码 10

1.6 图形的特征和描述 16

1.7 用向量的形式表示图形 18

1.8 图形的紧致集和紧致性假设 20

1.9 图形变换和描述变换 25

1.10 初始描述变换和描述不充分性测度 28

1.11 图形的相似性 30

1.12 图形的不变性描述 31

1.13 描述的信息性 35

1.14 特征有效性准则 37

1.15 识别的可靠性和品质 39

第二章 简单的专用识别方法 42

2.1 与范型匹配的方法 42

2.2 探针法 43

2.3 图形标记方法 45

2.4 识别的准拓扑方法 46

2.5 α识别系统 48

3.1 感知器的工作原理 51

第三章 感知器 51

3.2 基本概念和定义 54

3.3 基本α感知器 59

3.4 基本感知器的G矩阵 61

3.5 具有不同S-A连接分布的感知器 62

3.6 某些基本感知器的变形 64

3.7 解的存在理论 68

3.8 关于训练过程收敛的定理 69

3.9 诺维科夫定理 71

3.10 具有序贯连接的三层感知器的可能性 73

3.11 多层感知器 75

3.12 A元素层间连接权为常数的四层感知器 77

3.13 在末级前一层有自适应连接的四层感知器 80

3.14 交叉连接感知器 84

3.15 感知器的“语言”和“风格” 85

第四章 位函数方法 89

4.1 位函数方法的几何解释 89

4.2 位函数方法的一般递归程序 93

4.3 位函数方法算法的变形 95

4.4 位函数方法递归程序的收敛性及停止条件 99

4.5 位函数方法的实现方法 103

4.6 位函数方法的概率实现 106

4.7 位函数方法的一般化 110

第五章 自变量成组分析方法 115

5.1 广义分类函数 116

5.2 МГУА的基本思路 120

5.3 构造МГУА算法的一般系统 121

5.4 基本的МГУА算法 124

5.5 МГУА算法和贝叶斯决策规则 125

5.6 训练和检验序列的组成 129

5.7 МГУА的概率算法 132

5.8 МГУА算法和感知器 133

第六章 多段线性决策规则 135

6.1 一般原理 135

6.2 学习品质泛函 137

6.3 规范决策规则 139

6.4 ПРП合成算法 140

6.5 ПРП合成试验 146

第七章 统计识别方法 149

7.1 模式识别问题的统计提法 150

7.2 恢复概率分布的参数方法 154

7.3 随机逼近方法 156

7.4 经验风险最小化的方法 158

7.5 一致收敛条件 160

7.6 经验最优决策规则偏差的估计 162

7.7 有序风险最小化的方法 164

7.8 把随机逼近法和经验风险最小化结合的学习程序 167

7.9 有限存储下的经验风险最小化 169

7.10 在比较条件概率基础上的识别算法 172

7.11 在不完全数据的条件下采取的决策 173

第八章 容许变换方法 175

8.1 产生图形的参数模型 175

82 识别和学习问题的参数提法 179

8.3 图形的容许变换 180

8.4 容许变换方法及其特点 182

8.5 科瓦连斯基相关法 183

8.6 图形序列识别的相关方法 187

8.7 范型序列方法 190

8.8 在二维网格上构造范型图形 193

8.9 用范型序列方法识别视觉图形 195

第九章 模式识别的结构方法 198

9.1 句法模式识别系统 199

9.2 描述模式的语言和文法 201

9.3 作为识别方法的句法分析 208

9.4 恢复用于句法模式识别的文法 212

9.5 训练程序，形成词汇表 220

9.6 二维文法 223

第十章 景物识别 230

10.1 问题的提出 230

10.2 三维物体与被识信号模型 232

10.3 机器人对外部世界的感受组织 237

10.4 由多面体组成的模型景物的描述 241

10.5 工业零件机器识别的训练系统 245

第十一章 模式识别问题中的不变决策函数 251

11.1 图形模型 251

11.2 统计决策理论中的不变性原则 254

11.3 不变决策函数及其性质 255

11.4 识别问题的一般提法 257

11.5 解决模式识别问题的各种方法 258

第十二章 动态模式的识别 268

12.1 图象模型 269

12.2 动态模式识别问题的一般提法 270

12.3 识别动态模式时考虑历史的原则 273

12.4 状态集合的考虑 276

12.5 状态序列的考虑 278

12.6 动态模式识别的序贯方法 279

12.7 预测滤波器在状态序列分析中的应用 284

第十三章 决策规则集体 287

13.1 形式算法集体 288

13.2 识别算法集体 289

13.3 集体工作分析 291

13.4 权威区域的划分 293

13.5 决策算法集体的合成 296

13.6 具有必要多样性的集体的合成 297

13.7 在已知识别算法中使用集体决策规则 299

13.8 不等式系统集 300

第十四章 模式识别的自学习 303

14.1 模式的广义性质 304

14.2 自学习原则 305

14.3 抽象模式 306

14.4 自学习任务的提出 307

14.5 感知器的自学习 310

14.6 自学习问题的解决方法 311

第十五章 应用决策理论的自学习的统计方法 313

15.1 构造假设序列 313

15.2 自学习的贝叶斯序贯算法 315

15.3 М．И．施里辛格的递归统计算法 320

15.4 基于随机逼近的自学习递归算法 325

第十六章 分出紧致组的变分法和启发式方法 328

16.1 简化的启发式方法 328

16.2 基于位函数法的启发式算法 330

16.3 自学习中定量准则的应用 331

16.4 施里辛格变分算法 333

16.5 位函数变分算法 335

16.6 自学习的方差算法 337

16.7 类别数未直接给出时的自学习算法 340

第十七章 用混合分布法进行模式识别自学习 342

17.1 混合ФПВ的某些性质 343

17.2 用窗方法对混合ФПВ进行非参数估计 345

17.3 正态窗函数作用范围的选择 348

17.4 加速识别过程的方法 350

17.5 有限记忆条件下用混合分布法的自学习 351

第十八章 子样的信息性质 359

18.1 学习信息 359

18.2 样本的矛盾性及再学习信息 361

18.3 样本矛盾性度量 362

18.4 子样的伪信息性 366

18.5 学习信息的有益性及伪信息的有害性 367

18.6 猜测问题的例子 368

18.7 在解决模式识别学习问题情况下子样的信息性质 371

18.8 定向训练原则 373

18.9 定向学习问题 379

第十九章 视觉图象的识别 383

第二部分 383

19.1 简单自动阅读机 384

19.2 用相关法原则构成的自动阅读机 389

19.3 自动阅读机ЧАРС 397

19.4 手写字符的识别 404

19.5 自动阅读机简介 409

19.6 泡室照片的识别 415

第二十章 语音识别 422

20.1 语音信号的描述 424

20.2 识别有限语音信号组的相关法 425

20.3 用贝叶斯规则识别有限单词量 430

20.4 口述单词的按元素识别 432

20.5 用预先分割法识别语音信号 441

第二十一章 感知器的实验模型 445

21.1 并行感知器“Mark 1” 445

21.2 感知器“Конфлекс 1” 450

21.3 串行感知器“Gamba” 455

21.4 四层感知器“Тобермори” 457

21.5 基本阈值元件的识别系统“Adaline” 460

第二十二章 诊断和预报 467

22.1 技术诊断学 467

22.2 技术诊断学的任务 469

22.3 学习传送器 470

22.4 作为预测滤波器的识别系统 472

22.5 医疗诊断学 474

23.1 “Madaline”系统 477

第二十三章 控制问题中的学习识别系统 477

23.2 “Тейлор”学习系统 480

23.3 带校正的控制学习系统 483

23.4 对象特性的近似与“极性气体”的控制问题 486

23.5 炼钢过程的模拟控制 489

第二十四章 考虑以往历史的试验检验 506

24.1 实现考虑状态总体原则的两层识别系统 507

24.2 用最大似然准则识别动态目标的实验 511

24.3 使用预测滤波器识别动态对象的试验 514

第二十五章 自学习的实际问题 517

25.1 按动态特性对工业对象分类 517

25.2 用自学习方法建立对象的静态模型 520

25.3 用自学习方法解决零件质量的控制问题 522

25.4 用混合分布法解决医疗诊断问题 524

25.5 用自学习方法解决社会学、地质学和古生物学的问题 526

第二十六章 试验识别程序及某些实用算法 529

26.1 程序“Арифметика” 529

26.2 程序“Геометрия” 533

26.3 程序“Кора” 536

26.4 程序“Открой закон” 538

26.5 广义肖像法 540

26.6 “Краб”和“Форель”算法 542

26.7 基于计算估价的识别算法 545

26.8 模式识别中的模糊集（不明确集） 548

参考文献 552

索引 563