特征选择与提取研究与应用PDF电子书下载

1绪论 1

1.1研究的目的和意义 1

1.2研究现状 4

1.3本书的主要内容和章节安排 8

2特征选择与提取的内涵与类的可分性判据 11

2.1特征的特点 11

2.2特征的类别 12

2.3特征的形成 13

2.4特征选择与提取内涵 14

2.5特征选择和提取的作用 15

2.6类的可分离性判据 15

2.6.1基于距离的可分性判据 16

2.6.2基于概率密度函数的可分性判据 19

2.6.3基于熵函数的可分性判据 20

3特征提取算法分类 22

3.1特征提取的分类 22

3.2低层特征提取 24

3.3高层次特征提取 27

4特征选择算法研究 31

4.1特征选择问题的构成 32

4.1.1搜索起点和方向 33

4.1.2搜索策略 33

4.1.3特征评估函数 34

4.1.4停止准则 35

4.2特征选择方法分类 35

4.2.1按照搜索策略分类 36

4.2.2按特征集合评估准则划分特征选择算法 42

4.3遗传算法 45

4.3.1运算过程 46

4.3.2基本遗传算子 46

4.4人工鱼群算法与改进的人工鱼群算法 49

4.4.1人工鱼群算法原理 49

4.4.2改进的人工鱼群算法 50

4.4.3仿真实验及对比分析 53

5颜色特征提取方法研究 58

5.1颜色的基本特性 59

5.2颜色模型 60

5.3常用的颜色特征提取方法 64

5.3.1基于颜色空间的特征提取 64

5.3.2基于颜色直方图的特征提取 66

5.3.3颜色矩 67

5.3.4颜色集 68

5.3.5颜色相关图 68

6形状特征提取方法研究 70

6.1形状识别概述 71

6.2形状识别系统 73

6.3常用形状识别方法 74

6.4基于傅里叶描述子的形状识别方法 76

6.5基于主分量的形状识别 78

6.6基于不变矩理论的形状特征提取 79

6.7 Hough变换目标形状特征检测 82

6.7.1 Hough变换检测直线 82

6.7.2 Hough变换检测圆 86

6.7.3 Hough变换检测椭圆 89

6.7.4广义Hough变换 91

6.8链码技术 94

6.8.1 Freeman链码 94

6.8.2新的链码编码方式 95

6.8.3 Freeman直线链码识别 96

6.8.4平均链码 100

6.8.5 Freeman链码对圆及椭圆的识别 101

6.8.6链码和 102

6.8.7链码差 104

7纹理特征提取方法研究 105

7.1纹理的定义及纹理分析 105

7.1.1纹理的定义和描述 106

7.1.2纹理分析的研究内容 108

7.2纹理特征提取算法分类 109

7.3统计方法 111

7.3.1灰度直方图法 111

7.3.2自相关函数法 113

7.3.3 He和Wang的纹理谱 114

7.3.4灰度游程长度法 115

7.3.5灰度共生矩阵纹理分析法 117

7.4结构化方法 120

7.5模型方法 121

7.5.1分形模型 121

7.5.2马尔可夫随机场（MRF）模型 126

7.6信号处理的方法 127

7.6.1基于信号分解的纹理分析方法 127

7.6.2优化的信号纹理分析方法 128

8马铃薯外部形态特征提取与选择研究 134

8.1研究的目的和意义 134

8.2国内外研究现状 138

8.3研究的主要内容 139

8.4马铃薯图像快速获取 140

8.4.1 Directshow核心技术 141

8.4.2马铃薯外部检测图像提取过程 143

8.4.3程序架构 144

8.4.4使用DirectShow枚举设备 144

8.5马铃薯图像分割算法研究 148

8.5.1阈值法的基本原理 148

8.5.2三次样条在多阈值分割中的应用 153

8.5.3图像分割阈值的确定方法 156

8.5.4应用实例及实验效果 159

8.6马铃薯大小特征提取 161

8.6.1面积特征提取 162

8.6.2周长特征提取 163

8.6.3体积特征提取 169

8.6.4检测结果对比分析 174

8.7马铃薯表面缺陷特征提取 175

8.7.1曲面面积计算的理论基础 176

8.7.2实验过程 178

8.7.3结论与讨论 180

8.8马铃薯绿皮检测方法研究 181

8.8.1颜色特征提取 182

8.8.2识别方法 186

8.8.3结果与分析 191

9种蛋品质检测中特征选择与提取研究 193

9.1研究的目的和意义 193

9.2国内外研究现状 196

9.3研究的主要内容 200

9.4系统的硬件构成 201

9.5种蛋图像预处理 202

9.5.1图像灰度变换 202

9.5.2图像平滑处理 203

9.5.3种蛋图像分割 204

9.5.4种蛋图像边缘检测 207

9.6种蛋外部尺寸特征提取 209

9.7种蛋重量特征提取 213

9.7.1重量-面积线性回归模型 214

9.7.2重量-周长线性回归模型 216

9.7.3多元线性回归模型 218

9.8种蛋表面缺陷特征提取 222

9.8.1脏斑血斑特征提取 223

9.8.2蛋壳裂纹特征提取 225

9.9种蛋性别鉴别 234

9.9.1种蛋蛋形指数计算 235

9.9.2离散小波变换种蛋边缘特征提取 237

9.9.3 BP神经网络设计 239

9.9.4网络训练及网络测试 240

9.10无精蛋特征提取研究 241

9.10.1种蛋蛋边缘轮廓近似椭圆拟合方法 242

9.10.2特征计算数学模型 244

9.10.3网络训练及网络测试 245

10钼靶X光图像乳癌检测中特征选择与提取研究 247

10.1研究的目的及意义 247

10.2研究现状 249

10.3研究的主要内容 252

10.4相关智能技术 255

10.4.1图像模糊处理 255

10.4.2粗糙集 262

10.5自适应的模糊图像增强算法 270

10.5.1 Russo的基本方法 271

10.5.2方法改进 273

10.5.3实验结果 275

10.6 FCM聚类算法进行图像分割 276

10.6.1 FCM聚类算法 277

10.6.2基于FCM的信息表构造和区域划分 279

10.6.3基于差异度的初始等价关系及相似域划分 280

10.6.4图像分割实验 281

10.7乳腺特征提取 286

10.8粗糙神经分类器 288

10.9结果与讨论 290

10.9.1评价标准 290

10.9.2增强效果讨论 293

10.9.3分割结果分析 295

10.9.4产生规则的数目和整体精度 297

11大豆生长阶段预测中特征选择与提取研究 299

11.1实验数据来源及记录方法 301

11.2特征参数的选择 302

11.3模型的构建 303

11.3.1插值法 304

11.3.2神经网络模型构建 305

11.4结论 308

12神经网络与模式识别 309

12.1神经网络与模式识别 309

12.2神经网络模式识别方法与传统模式识别方法的关系 310

12.3神经网络模式识别的特点 310

12.4用于模式识别的神经网络模型 312

12.5神经网络模式识别系统 313

12.6神经网络模式识别的典型方法 315

12.6.1多输出型 316

12.6.2单输出型 316

参考文献 319