作者:徐宏伟、周润景、孙伟霞、杜鑫、姜杰
出版社:清华大学出版社
出版时间:2025年05月
编辑推荐
本书针对每种模式识别算法，分为理论基础和实例操作两部分进行介绍。读者掌握基础理论后，通过实例可以了解算法的实现思路和方法；进一步掌握核心代码编写，就可以很快掌握模式识别技术。
书中涵盖人工智能与模式识别，涵盖模式识别概述、贝叶斯分类器设计、判别函数分类器设计、聚类分析、模糊聚类分析、神经网络聚类设计、模拟退火算法聚类设计、遗传算法聚类设计、蚁群算法聚类设
计、粒子群算法聚类设计。
内容简介
本书将模式识别与人工智能理论和实际应用相结合,以酒瓶颜色分类为例,介绍各种算法理论及相应
的Python实现程序。全书共10章,内容包括模式识别概述、贝叶斯分类器设计、判别函数分类器设计、聚
类分析、模糊聚类分析、神经网络聚类设计、模拟退火算法聚类设计、遗传算法聚类设计、蚁群算法聚类设
计、粒子群算法聚类设计,涵盖各种常用的模式识别技术。
本书可作为高等院校自动化、计算机、电子和通信等专业研究生和高年级本科生的教材,也可作为计
算机信息处理、自动控制等相关领域工程技术人员的参考用书。
目 录
第1章模式识别概述
3.3线性判别函数的实现
3.4基于LMSE的分类器设计
3.4.1LMSE分类法简介
3.4.2LMSE算法的原理
3.4.3LMSE算法的步骤
3.4.4LMSE算法的Python实现
3.4.5结论
3.5基于Fisher的分类器设计
3.5.1Fisher判别法简介
3.5.2Fisher分类器设计
3.5.3Fisher算法的Python实现
3.5.4识别待测样本类别
3.5.5结论
显示全部信息
前 言
所谓模式识别就是用计算的方法根据样本的特征将样本划分到一定的类别中。模式识别是通过计算机用数学技术方法研究模式的自动处理和判读，把环境与客体统称为“模式”。随着科技的发展，模式识别技术在社会中的应用越来越广泛，涵盖许多领域，例如金融、医疗、安全等。模式识别技术能够通过对大量数据进行分析和处理，从中提炼出有用信息，对于决策和解决问题非常有帮助。目前，模式识别技术已经进入成熟阶段，应用场景也越来越广泛。
本书以实用性为宗旨，以对酒瓶颜色的分类设计为例，将理论与实践相结合，介绍各种相关分类器的设计。
第1章介绍模式识别的概念、方法及其应用。
第2章介绍贝叶斯分类器的设计。首先介绍贝叶斯决策的概念，让读者对贝叶斯理论有所了解，然后介绍基于最小错误率和最小风险的贝叶斯分类器设计，将理论应用于实践，让读者真正学会运用该算法解决实际问题。
第3章介绍判别函数分类器的设计。判别函数包括线性判别函数和非线性判别函数，本章首先介绍判别函数的相关概念，然后介绍线性判别函数LMSE和Fisher分类器的设计及非线性判别函数SVM分类器的设计。
第4章介绍聚类分析。聚类分析作为最基础的分类方法，涵盖大量经典的聚类算法及衍生出的改进算法。本章首先介绍相关理论知识，然后依次介绍K均值聚类、K均值改进算法、KNN聚类、PAM聚类、层次聚类及ISODATA分类器设计。
第5章介绍模糊聚类分析。首先介绍模糊逻辑的发展、模糊数学理论、模糊逻辑与模糊推理等一整套模糊控制理论，然后介绍模糊分类器、模糊C均值分类器、模糊ISODATA分类器及模糊神经网络分类器的设计。
第6章介绍神经网络聚类设计。首先介绍神经网络的概念及其模型等理论知识，然后介绍基于BP网络、Hopfield网络、RBF网络、GRNN、小波神经网络、自组织竞争网络、SOM网络、LVQ网络、PNN、CPN的分类器设计。
第7章介绍模拟退火算法聚类设计。首先介绍模拟退火算法的基本原理、基本过程，然后介绍其分类器的设计。
第8章介绍遗传算法聚类设计，包括遗传算法原理及遗传算法分类器设计的详细过程。
第9章介绍蚁群算法聚类设计，包括蚁群算法的基本原理、基于蚁群基本算法的分类器设计和改进的蚁群算法MMAS的分类器设计。
第10章介绍粒子群算法聚类设计，包括粒子群算法的运算过程、进化模型、原理及其模式分类的设计过程。
本书没有像大多数模式识别的书那样讲解烦琐的理论，而是简明扼要地介绍每种算法的核心，并通过大量的实例介绍模式识别知识。书中针对每种模式识别算法,分理论基础和实例操作两部分进行介绍。读者掌握基础理论后,通过实例可以了解算法的实现思路和方法； 进一步掌握核心代码编写,就可以很快掌握模式识别技术。
本书内容来自作者的科研与教学实践。读者在学会各种理论和方法后,可将书中的不同算法加以改造应用于自己的实际工作。
本书第1~3章由徐宏伟编写，第4章代由孙伟霞编写，第5章由姜杰编写，第8章由杜鑫编写，其余由周润景编写。
在本书的编写过程中,作者虽已力求完美,但由于水平有限,书中难免有不足之处,敬请读者指正。
