第1章 緒論
1.1 模式識彆的基本概念
1.1.1 模式與模式識彆的概念
1.1.2 模式的特徵
1.1.3 模式識彆係統
1.2 模式識彆的主要方法
1.3 模式識彆的主要研究內容
1.4 模式識彆在科學研究中的應用
1.4.1 化閤物的構效分析
1.4.2 譜圖解析
1.4.3 材料研究
1.4.4 催化劑研究
1.4.5 機械故障診斷與監測
1.4.6 化學物質源産地判斷
1.4.7 疾病的診斷與預測
1.4.8 礦藏勘探
1.4.9 考古及食品工業中的應用
第2章 統計模式識彆技術
2.1 基於概率統計的貝葉斯分類方法
2.1.1 最小錯誤率貝葉斯分類
2.1.2 最小風險率貝葉斯分類
2.2 綫性分類器
2.2.1 綫性判彆函數
2.2.2 Fisher綫性判彆函數
2.2.3 感知器算法
2.3 非綫性分類器
2.3.1 分段綫性判彆函數
2.3.2 近鄰法
2.3.3 勢函數法
2.3.4 SIMCA方法
2.4 聚類分析
2.4.1 模式相似度
2.4.2 聚類準則
2.4.3 層次聚類法
2.4.4 動態聚類法
2.4.5 決策樹分類器
2.5 統計模式識彆在科學研究中的應用
第3章 人工神經網絡及模式識彆
3.1 人工神經網絡的基本概念
3.1.1 人工神經元
3.1.2 傳遞函數
3.1.3 人工神經網絡分類和特點
3.2 BP人工神經網絡
3.2.1 BP人工神經網絡學習算法
3.2.2 BP人工神經網絡MATLAB實現
3.3 徑嚮基函數神經網絡RBF
3.3.1 RBF的結構與學習算法
3.3.2 RBF的MATLAB實現
3.4 自組織競爭人工神經網絡
3.4.1 自組織競爭人工神經網絡的基本概念
3.4.2 自組織競爭神經網絡的學習算法
3.4.3 自組織競爭網絡的MATLAB實現
3.5 對嚮傳播神經網絡CPN
3.5.1 CPN的基本概念
3.5.2 CPN網絡的學習算法
3.6 反饋型神經網絡Hopfield
3.6.1 Hopfield網絡的基本概念
3.6.2 Hopfield網絡的學習算法
3.6.3 Hopfield網絡的MATLAB實現
3.7 人工神經網絡技術在科學研究中的應用
第4章 模糊係統理論及模式識彆
4.1 模糊係統理論基礎
4.1.1 模糊集閤
4.1.2 模糊關係
4.1.3 模糊變換與模糊綜閤評判
4.1.4 Ifthen規則
4.1.5 模糊推理
4.2 模糊模式識彆的基本方法
4.2.1 最大隸屬度原則
4.2.2 擇近原則
4.2.3 模糊聚類分析
……
第5章 核函數方法及應用
第6章 支持嚮量機及其模式識彆
第7章 可拓學及其模式識彆
第8章 粗糙集理論及其模式識彆
第9章 遺傳算法及模式識彆
第10章 蟻群算法及其模式識彆
第11章 粒子群算法及其模式識彆
第12章 可視化模式識彆技術
第13章 灰色係統方法及應用
第14章 模式識彆的特徵及確定
參考文獻
· · · · · · (收起)