智能模式识别方法PDF电子书下载

第一章 绪论 1

第一节 模式识别的含义 1

一、模式与模式识别的概念 1

目录 1

二、模式识别系统 2

三、模式识别的主要研究内容 3

第二节 模式识别的主要方法 3

第三节 模式识别的应用领域 4

一、文字识别 4

四、状态监测与故障诊断 5

二、语音识别 5

三、医学上的应用 5

五、人脸识别 6

六、身份识别 6

第二章 统计模式识别基本理论 7

第一节 贝叶斯决策 7

一、最小错误率贝叶斯分类 7

二、最小风险率贝叶斯分类 8

第二节 概率密度函数估计 9

一、参数估计 10

二、非参数技术 12

第三节 线性分类器 14

一、线性判别函数的基本概念 14

二、最小距离分类器 15

三、感知器准则函数 16

四、Fisher线性判别函数 17

第四节 近邻法 19

一、最近邻法 19

二、K—近邻法 19

一、模式相似性测度和聚类准则 20

第五节 聚类分析 20

二、层次聚类法 21

三、c—均值算法 23

四、ISODATA算法 24

第六节 特征选择与提取的基本方法 27

一、特征评判标准——类别可分性判据 27

二、特征选择及搜索算法 31

三、基于K—L变换的特征提取 33

第一节 基于神经网络的特征选择与提取 38

一、神经网络理论 38

第三章 特征选择与提取中的智能方法 38

二、前向多层神经网络、BP算法 40

三、基于神经网络的特征选择与提取方法 45

第二节 基于粗糙集的特征选择与提取 51

一、粗糙集基本理论 52

二、基于粗糙集的属性约简 54

三、连续属性的离散化方法 55

四、粗糙集理论属性约简中的三个问题 57

五、基于启发式知识的属性约简方法 58

第三节 基于遗传算法的特征选择与提取 64

一、基本遗传算法 65

二、遗传算法的基本实现技术 67

三、遗传算法与特征选择、提取 71

第四章 神经网络模式识别 72

第一节 基于多层前馈神经网络的模式识别 72

一、多层前馈神经网络在模式识别中的应用方式 72

二、基于遗传神经网络的科研立项评审方法 73

第二节 双向联想记忆（BAM） 80

一、M矩阵的确定 80

二、双向联想功能的实现 81

三、BAM在故障诊断中的应用例子 82

一、插值问题 84

第三节 径向基函数神经网络 84

二、正规化问题 85

三、RBF网络学习方法 87

第四节 自组织特征映射神经网络 89

一、网络的拓扑结构 90

二、网络自组织算法 90

三、有教师学习 91

四、自组织网络用于模式识别的一个例子 91

一、弱学习及其提升技术 92

第五节 神经网络集成 92

二、神经网络集成 94

三、神经网络集成在模式识别中的应用 96

第五章 模糊模式识别 99

第一节 模糊数学的基本理论 99

一、模糊集合 99

二、模糊关系 102

三、模糊变换与模糊综合评判 105

第二节 模糊模式识别的基本方法 106

一、最大隶属原则 106

二、择近原则 108

第三节 模糊神经网络 109

一、模糊神经元 110

二、模糊神经网络 111

三、模糊BP网络 111

四、模糊联想记忆 112

第四节 模糊聚类分析 114

第五节 模糊c—均值算法 119

第六节 模糊模式识别技术在故障诊断中的应用 120

一、柴油机系统故障的模糊逻辑诊断 120

二、模糊神经网络在汽轮发电机组故障诊断中的应用 122

第六章 基于核方法的特征提取技术 126

第一节 核方法 126

第二节 基于核的主成分分析方法 129

一、KPCA的基本原理 129

二、算例分析 130

第三节 基于核的Fisher判别方法 133

一、Fisher判别方法 133

二、基于核的Fisher判别方法 134

三、算例分析 136

一、PP方法总体思路与PP指标 137

第四节 基于核的投影寻踪方法 137

二、PP主成分分析 138

三、基于核的PP方法 139

四、算例分析 140

第五节 主动学习在基于核的特征提取中的应用 142

一、主动学习方法简介 142

二、KPCA中样本筛选的可行性研究 142

三、KPCA中样本筛选的具体方法 145

四、算例分析 145

一、一般机器学习方法所遇到的问题 148

第七章 支持向量机模式识别 148

第一节 统计学习理论基本内容 148

二、统计学习理论 149

第二节 支持向量机 150

一、最优分类面 150

二、支持向量机模型 151

三、多类情况下的SVM模型 152

四、算例分析 154

第三节 线性规划支持向量机 155

一、不同范数下超平面之间的距离计算 155

五、SVM的初步讨论 155

二、L1范数下的线性规划支持向量机模型 156

三、L∞范数下的线性规划支持向量机模机 158

四、线性规划支持向量机模型的几何性质 158

第四节 等损失SVM模型 159

一、基于等风险的SVM模型 160

二、诊断算例 161

三、小结 162

第五节 样本数目相差悬殊时的SVM模型 162

一、样本数目相差悬殊时的SVM模型概述 163

二、算例分析 164

三、小结 165

第六节 SVM中先验知识的应用 165

第七节 主动学习与支持向量机 167

第八章 基于核方法的奇异状态检测方法 169

第一节 野点的定义与类型 170

第二节 野点检测的常规方法 170

一、基于统计的野点检测方法 170

三、基于偏离的野点检测方法 171

四、基于神经网络的野点检测方法 171

二、基于距离的野点检测方法 171

第三节 核方法下基于边界的野点检测 172

第四节 野点检测在机械设备运行状态实时监测中的应用 176

一、实时监测原理 176

二、仿真算例分析 177

第五节 基于距离的样本点选择方法 180

一、原理 180

二、仿真算例 181

第一节 支持向量机在滚动轴承质量分类中的应用 184

一、轴承检测装置的硬件设计 184

第九章 模式识别应用实例 184

二、检测参数的确定 185

三、基于支持向量机的滚动轴承质量检测方法 186

第二节 基于SVDD的多类分类算法及其在人脸识别中的应用 192

一、基于SVDD的多类分类算法 192

二、在人脸识别中的应用 193

第三节 基于ANN的肺癌细胞识别与分类 194

一、涂片图像的预处理 194

二、参数的提取 195

三、基于神经网络的识别与分类 196

四、实验结果 196

参考文献 197