定 價(jià)：29.8 元
叢書(shū)名：21世紀(jì)高等院校自動(dòng)化專(zhuān)業(yè)系列教材
- 作者：主編宋麗梅, 羅菁
- 出版時(shí)間：2015/8/1
- ISBN：9787111505778
- 出 版 社：機(jī)械工業(yè)出版社
- 中圖法分類(lèi)：O235
- 頁(yè)碼：175
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：16K
《模式識(shí)別》共分為8章。第一章為緒論，主要介紹了模式識(shí)別的概念，系統(tǒng)組成及常用方法。第二章～第五章主要介紹了統(tǒng)計(jì)模式識(shí)別的方法，有特征聚類(lèi)，貝葉斯分類(lèi)，fish線性判別以及近鄰法。第六章講述了幾種人工神經(jīng)網(wǎng)絡(luò)方法，第七章詳細(xì)介紹了一個(gè)三維識(shí)別的案例。
《模式識(shí)別》打破了傳統(tǒng)程序類(lèi)書(shū)籍的編排方法，將編程思路和編程過(guò)程與所附代碼有機(jī)結(jié)合在一起，分層次分模塊地予以講解。同時(shí)，以圖解的方式講解程序的運(yùn)行過(guò)程和結(jié)果，并配有適當(dāng)?shù)奈淖终f(shuō)明，從而使讀者迅速理解所講述的內(nèi)容。
模式識(shí)別是人類(lèi)的一項(xiàng)基本智能，在社會(huì)活動(dòng)和科學(xué)研究的許多方面有著巨大的現(xiàn)實(shí)意義，已經(jīng)廣泛應(yīng)用于許多領(lǐng)域，例如：人臉識(shí)別、指紋識(shí)別、文字識(shí)別、語(yǔ)音識(shí)別、車(chē)牌識(shí)別、字符識(shí)別等。 模式識(shí)別是一門(mén)綜合性、交叉性的學(xué)科，其與數(shù)學(xué)、認(rèn)知科學(xué)、計(jì)算機(jī)科學(xué)、心理學(xué)、語(yǔ)言學(xué)、生物學(xué)等眾多學(xué)科相互融會(huì)貫通。自80年代提出以來(lái)，始終受到國(guó)內(nèi)外科研工作和各應(yīng)用領(lǐng)域的追捧。近些年，隨著計(jì)算機(jī)技術(shù)軟硬件的快速發(fā)展以及其他相關(guān)學(xué)科的日臻成熟，模式識(shí)別在各個(gè)領(lǐng)域的應(yīng)用和需求逐漸得到人們的廣泛關(guān)注和重視。
在學(xué)術(shù)界也引起了各領(lǐng)域的科研人員的研究熱情，其相關(guān)的論文著作、科研成果層出不窮。
目前，模式識(shí)別的教材多以理論介紹為主，讓讀者很難看到理論在實(shí)際中是如何應(yīng)用的，所以讀者很難深入掌握這些理論，在項(xiàng)目實(shí)踐中，往往無(wú)從下手，更談不上創(chuàng)新。
本書(shū)從人們?nèi)粘Ｉ詈蜕a(chǎn)中有重要影響的項(xiàng)目入手，綜合了作者多年從事模式識(shí)別領(lǐng)域的研究成果，介紹了實(shí)際應(yīng)用項(xiàng)目和它的實(shí)現(xiàn)技術(shù)。每個(gè)項(xiàng)目實(shí)例包括項(xiàng)目意義和要求、并且詳細(xì)闡述了項(xiàng)目開(kāi)發(fā)技術(shù)原理和算法實(shí)現(xiàn)的步驟，并且提供了部分VC++或MATLAB編程代碼。希望讀者能夠在此基礎(chǔ)上有所創(chuàng)新。這也是撰寫(xiě)本書(shū)的主要目的以及希望本書(shū)能夠?qū)崿F(xiàn)的目標(biāo)。
本書(shū)共分為7個(gè)章節(jié)，第1章對(duì)模式識(shí)別的基本概念、基本算法和所使用的軟件進(jìn)行了簡(jiǎn)要的介紹；第2章對(duì)特征聚類(lèi)的基本過(guò)程以及每個(gè)過(guò)程中所涉及的基本算法進(jìn)行了詳細(xì)的介紹，通過(guò)實(shí)際例程加深讀者對(duì)相關(guān)算法操作過(guò)程的記憶和理解；第3章對(duì)貝葉斯分類(lèi)的基本原理進(jìn)行了詳細(xì)的介紹，并給出了基于貝葉斯的手寫(xiě)字符識(shí)別算法的具體步驟；第4章對(duì)Fisher線性判別的基本算法進(jìn)行了詳細(xì)的介紹；第5章對(duì)近鄰法中最近鄰法、K近鄰法和剪輯近鄰法的基本原理和實(shí)際例程進(jìn)行了詳細(xì)的介紹；第6章對(duì)人工神經(jīng)網(wǎng)絡(luò)的基本算法進(jìn)行了詳細(xì)的介紹，并給出了基于bp神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷案例；第7章介紹了三維識(shí)別等案例的開(kāi)發(fā)技術(shù)。
宋麗梅，教學(xué)成果： 2012年獲得香港桑麻獎(jiǎng)教金。 科研成果： 2011年天津市科技進(jìn)步三等獎(jiǎng)（排名第一）； 2013年天津市科技進(jìn)步三等獎(jiǎng)（排名第一）； 天津市“131”二層次人才； 天津市高校“中青年骨干創(chuàng)新人才培養(yǎng)計(jì)劃”。 主持完成的科研項(xiàng)目如下： 國(guó)家自然科學(xué)基金面上項(xiàng)目，61078041，基于視覺(jué)的織物疵點(diǎn)三維檢測(cè)和三維識(shí)別原理研究，2011/01－2013/12，26萬(wàn)元，已結(jié)題，主持。 國(guó)家自然科學(xué)基金，60808020，單目高精度大型物體彩色三維數(shù)字化測(cè)量原理研究，2009/01－2011/12，20萬(wàn)元，已結(jié)題，主持，該項(xiàng)目獲得2013年天津市科技進(jìn)步三等獎(jiǎng)，本人排名第一。 四川省杰出青年基金，07ZQ026-015，高精度便攜式三維全局坐標(biāo)測(cè)量系統(tǒng)，2007/01－2009/12，12萬(wàn)元，已結(jié)題，主持。 天津市中小企業(yè)創(chuàng)新基金，12ZXCXGX11800，基于BCCSL和SFMS的三維在線光學(xué)檢測(cè)系統(tǒng)，2012/01-2013/03，15萬(wàn)元，已結(jié)題，主持。 天津市應(yīng)用基礎(chǔ)及前沿技術(shù)研究計(jì)劃，10JCYBJC07200，雙目SFS彩色三維織物疵點(diǎn)在線檢測(cè)原理研究，2010/04－2013/03，10萬(wàn)元，已結(jié)題，主持。 國(guó)家中小企業(yè)創(chuàng)新基金，06C26215100466，SFS三維重建及微小間隙精確測(cè)量的工業(yè)CT軟件系統(tǒng)，2006/01-2008/01，55萬(wàn)元，已結(jié)題，參與，該項(xiàng)目獲得2008年綿陽(yáng)市科技進(jìn)步三等獎(jiǎng)，本人排名第二。 國(guó)家中小企業(yè)創(chuàng)新基金，06C26225100462，基于單幅照片進(jìn)行三維形貌恢復(fù)的軟件系統(tǒng)， 2006/01-2008/01，20萬(wàn)元，已結(jié)題，參與。
、第1章 緒論
1.1模式識(shí)別基本概念
1.1.1模式和模式識(shí)別
1.1.2模式識(shí)別系統(tǒng)組成
1.2 特征描述
1.3 模式識(shí)別方法
1.3.1 統(tǒng)計(jì)法
1.3.2 聚類(lèi)法
1.3.3 神經(jīng)網(wǎng)絡(luò)法
1.3.4 人工智能法
1.4模式識(shí)別工程設(shè)計(jì)
1.4.1 工程任務(wù)
1.4.2 訓(xùn)練集和測(cè)試集選擇
1.4.3 模式識(shí)別軟件
習(xí)題
第2章 特征聚類(lèi)
2.1 聚類(lèi)的概念
2.1.1特征聚類(lèi)的基本思想
2.1.2聚類(lèi)的算法
2.2 數(shù)據(jù)的降維（PCA）
2.2.1 PCA基本概念
2.2.2 PCA原理
2.2.3 PCA的一般步驟
2.2.4數(shù)據(jù)的降維實(shí)例
2.3 模式相似性測(cè)度
2.3.1距離測(cè)度
2.3.2相似測(cè)度
2.3.3匹配測(cè)度
2.4 K-均值聚類(lèi)
2.4.1 K-均值聚類(lèi)算法簡(jiǎn)介
2.4.2算法原理
2.4.3K均值算法的一般步驟
2.4.4 K-均值聚類(lèi)實(shí)例
2.5本章小結(jié)
習(xí)題
第3章 貝葉斯分類(lèi)
3.1 貝葉斯準(zhǔn)則
3.1基于最小錯(cuò)誤率的貝葉斯準(zhǔn)則
3.2基于最小風(fēng)險(xiǎn)的貝葉斯準(zhǔn)則
3.3最大最小決策規(guī)則
3.4紐曼—皮爾遜（Neyman—Pearson）決策規(guī)則
3.5 貝葉斯學(xué)習(xí)估計(jì)案例（手寫(xiě)字符）
習(xí)題
第4章Fisher線性判別
4.1 判別域界面方程分類(lèi)的概念
4.2線性判別函數(shù)
4.2.1 兩類(lèi)問(wèn)題
4.2.2 多類(lèi)問(wèn)題
4.3 判別函數(shù)數(shù)值的鑒別意義、權(quán)空間及解空間
4.3.1 判別函數(shù)值的大小、正負(fù)的數(shù)學(xué)意義
4.3.2 權(quán)空間、解矢量與解空間
4.4 Fisher線性判別
習(xí)題
第5章 近鄰法
5.1 最近鄰法
5.1.1最近鄰決策規(guī)則
5.1.2最近鄰法的錯(cuò)誤率分析
5.2最近鄰法程序舉例
5.3 K近鄰法
5.3.1 K近鄰法原理及錯(cuò)誤率分析
5.3.2 K近鄰法程序舉例
5.4剪輯近鄰法
5.4.1剪輯近鄰法
5.4.2剪輯k-NN近鄰法
5.4.3剪輯近鄰法的一般流程
5.5本章小結(jié)
習(xí)題
第6章 BP神經(jīng)網(wǎng)絡(luò)及案例
6.1 BP神經(jīng)網(wǎng)絡(luò)基本原理
6.2 網(wǎng)絡(luò)各層節(jié)點(diǎn)數(shù)的確定
6.3 網(wǎng)絡(luò)各層間激活函數(shù)的確定
6.4 LM算法
6.5基于BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷
6.5.1變壓器常見(jiàn)故障類(lèi)型
6.5.2 網(wǎng)絡(luò)的訓(xùn)練與仿真
6.6本章小結(jié)
習(xí)題
第7章 模式識(shí)別案例分析
7.1電池表面劃痕識(shí)別案例
7.1.1電池圖像邊緣提取
7.1.2基于有效邊緣點(diǎn)和Hough變換的電池圓心提取方法
7.1.3 基于NMI特征和邊緣特征電池圖像配準(zhǔn)算法
7.1.4 劃痕提取方法
7.2人臉識(shí)別案例
7.2.1 ORL人臉數(shù)據(jù)庫(kù)簡(jiǎn)介
7.2.2 基于PCA的人臉圖像的特征提取
7.2.3 k-近鄰算法
7.2.4 BP神經(jīng)網(wǎng)絡(luò)法
7.2.5基于BP神經(jīng)網(wǎng)絡(luò)法和k-近鄰法的綜合決策分類(lèi)
7.2.6實(shí)驗(yàn)的結(jié)果
7.2.7簡(jiǎn)單實(shí)例
7.3 SIFT算法提取特征點(diǎn)及特征點(diǎn)的匹配
7.3.1高斯尺度空間的極值檢測(cè)
7.3.2特征點(diǎn)位置的確定
7.3.3特征點(diǎn)方向的確定
7.3.4特征點(diǎn)描述子生成
7.3.5 SIFT特征向量的匹配
7.3.6實(shí)現(xiàn)運(yùn)動(dòng)姿態(tài)的解算
7.4氣泡識(shí)別案例
7.4.1 兩相流高速圖像采集
7.4.2 兩相流圖像紋理特征的提取
7.4.3 紋理特征的Lempel-Ziv復(fù)雜度分析
7.4.4 基于SVM的氣液兩相流型識(shí)別
7.5三維識(shí)別案例
7.5.1 三維模型中特征點(diǎn)的定義
7.5.2 特征提取方法
7.5.3 三維識(shí)別方法
7.6本章小結(jié)
習(xí)題
參考文獻(xiàn)
書(shū)單推薦
