资源名称：模式识别与智能计算MATLAB技术实现(第三版) 中文pdf 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 ......... 资源截图：