第1章 绪论
1.1 模式识别的基本概念
1.1.1 模式与模式识别的概念
1.1.2 模式的特征
1.1.3 模式识别系统
1.2 模式识别的主要方法
1.3 模式识别的主要研究内容
1.4 模式识别在科学研究中的应用
1.4.1 化合物的构效分析
1.4.2 谱图解析
1.4.3 材料研究
1.4.4 催化剂研究
1.4.5 机械故障诊断与监测
1.4.6 化学物质源产地判断
1.4.7 疾病的诊断与预测
1.4.8 矿藏勘探
1.4.9 考古及食品工业中的应用
第2章 统计模式识别技术
2.1 基于概率统计的贝叶斯分类方法
2.1.1 最小错误率贝叶斯分类
2.1.2 最小风险率贝叶斯分类
2.2 线性分类器
2.2.1 线性判别函数
2.2.2 Fisher线性判别函数
2.2.3 感知器算法
2.3 非线性分类器
2.3.1 分段线性判别函数
2.3.2 近邻法
2.3.3 势函数法
2.3.4 SIMCA方法
2.4 聚类分析
2.4.1 模式相似度
2.4.2 聚类准则
2.4.3 层次聚类法
2.4.4 动态聚类法
2.4.5 决策树分类器
2.5 统计模式识别在科学研究中的应用
第3章 人工神经网络及模式识别
3.1 人工神经网络的基本概念
3.1.1 人工神经元
3.1.2 传递函数
3.1.3 人工神经网络分类和特点
3.2 BP人工神经网络
3.2.1 BP人工神经网络学习算法
3.2.2 BP人工神经网络MATLAB实现
3.3 径向基函数神经网络RBF
3.3.1 RBF的结构与学习算法
3.3.2 RBF的MATLAB实现
3.4 自组织竞争人工神经网络
3.4.1 自组织竞争人工神经网络的基本概念
3.4.2 自组织竞争神经网络的学习算法
3.4.3 自组织竞争网络的MATLAB实现
3.5 对向传播神经网络CPN
3.5.1 CPN的基本概念
3.5.2 CPN网络的学习算法
3.6 反馈型神经网络Hopfield
3.6.1 Hopfield网络的基本概念
3.6.2 Hopfield网络的学习算法
3.6.3 Hopfield网络的MATLAB实现
3.7 人工神经网络技术在科学研究中的应用
第4章 模糊系统理论及模式识别
4.1 模糊系统理论基础
4.1.1 模糊集合
4.1.2 模糊关系
4.1.3 模糊变换与模糊综合评判
4.1.4 Ifthen规则
4.1.5 模糊推理
4.2 模糊模式识别的基本方法
4.2.1 最大隶属度原则
4.2.2 择近原则
4.2.3 模糊聚类分析
……
第5章 核函数方法及应用
第6章 支持向量机及其模式识别
第7章 可拓学及其模式识别
第8章 粗糙集理论及其模式识别
第9章 遗传算法及模式识别
第10章 蚁群算法及其模式识别
第11章 粒子群算法及其模式识别
第12章 可视化模式识别技术
第13章 灰色系统方法及应用
第14章 模式识别的特征及确定
参考文献
· · · · · · (收起)