模式識(shí)別技術(shù)及其應(yīng)用
定 價(jià)：98 元
叢書名：普通高等教育“十三五”規(guī)劃教材
- 作者：楊幫華[等]著
- 出版時(shí)間：2016/5/19 5:08:00
- ISBN：9787030475459
- 出 版 社：科學(xué)出版社
- 中圖法分類：TP391.4
- 頁(yè)碼：260
- 紙張：膠版紙
- 版次：1
- 開本：B5
本書分為兩大部分：基本原理與方法，典型應(yīng)用案例。首先簡(jiǎn)明闡述了模式識(shí)別原理與方法，并在此基礎(chǔ)上介紹了模式識(shí)別的典型應(yīng)用案例。原理與方法主要包括模式識(shí)別技術(shù)簡(jiǎn)介、預(yù)處理方法（自適應(yīng)濾波、盲源分離）、特征提取方法（小波變換、小波包變換、功率譜分析、希爾伯特變換）、分類及聚類方法（貝葉斯分類、線性分類、神經(jīng)網(wǎng)絡(luò)分類、支持向量機(jī)分類、模糊聚類、粒子群聚類）。典型應(yīng)用案例包括男女性別識(shí)別、癌細(xì)胞與正常細(xì)胞的識(shí)別、傳送帶上不同種類魚的自動(dòng)識(shí)別、腦機(jī)接口中運(yùn)動(dòng)想象腦電信號(hào)的識(shí)別、基于紅外火焰探測(cè)的火災(zāi)識(shí)別、軸承的故障診斷、電子鼻農(nóng)藥識(shí)別、電梯群控交通模式識(shí)別、基于語(yǔ)音的說話人識(shí)別、汽車車牌識(shí)別、黃瓜病害識(shí)別、昆蟲識(shí)別、電影中吸煙鏡頭的識(shí)別、玉米果穗的品種鑒別、布匹瑕疵種類的自動(dòng)識(shí)別、基于虹膜的生物識(shí)別、基于人臉的生物識(shí)別、基于指紋的生物識(shí)別、環(huán)境狀況的模糊聚類、基因的粒子群聚類。本書突出案例實(shí)際應(yīng)用，有利于讀者較快地的理解和掌握模式識(shí)別的相關(guān)應(yīng)用技術(shù)，為科研人員應(yīng)用模式識(shí)別方法解決相關(guān)領(lǐng)域的實(shí)際問題提供了具體思路和方法。同時(shí)，本書緊案例緊跟學(xué)科發(fā)展前沿，介紹了一些最新的研究成果。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄
前言
第1章模式識(shí)別簡(jiǎn)介1
1.1模式識(shí)別的相關(guān)概念1
1.2模式識(shí)別的發(fā)展歷程5
1.3模式識(shí)別系統(tǒng)的基本組成和特點(diǎn)5
1.3.1基本組成5
1.3.2特點(diǎn)7
1.4模式識(shí)別的主要方法7
1.5模式識(shí)別中的若干問題10
1.5.1學(xué)習(xí)10
1.5.2模式的緊致性11
1.5.3模式的相似性12
1.5.4模式分類的主觀性和客觀性12
1.6模式識(shí)別的基本知識(shí)13
1.6.1模式的表示方法13
1.6.2模式相似性度量常用的幾種距離13
1.6.3模式特征的形成14
1.6.4數(shù)據(jù)的標(biāo)準(zhǔn)化14
1.7模式識(shí)別的典型應(yīng)用和發(fā)展15
1.7.1模式識(shí)別的典型應(yīng)用15
1.7.2模式識(shí)別的發(fā)展17
參考文獻(xiàn)17
第2章預(yù)處理方法18
2.1自適應(yīng)濾波18
2.1.1自適應(yīng)濾波原理18
2.1.2自適應(yīng)濾波器結(jié)構(gòu)及應(yīng)用19
2.1.3LMS自適應(yīng)濾波20
2.1.4RLS自適應(yīng)濾波21
2.1.5自適應(yīng)濾波的實(shí)現(xiàn)23
2.1.6MATLAB實(shí)驗(yàn)24
2.2盲源分離27
2.2.1信息論的基本概念27
2.2.2常用的目標(biāo)函數(shù)30
2.2.3ICA算法及實(shí)現(xiàn)流程31
2.2.4SOBI算法及實(shí)現(xiàn)流程38
參考文獻(xiàn)39
第3章特征提取方法40
3.1小波變換40
3.1.1簡(jiǎn)介40
3.1.2傅里葉變換41
3.1.3短時(shí)傅里葉變換42
3.1.4連續(xù)小波變換43
3.1.5離散小波變換47
3.2小波包變換49
3.3小波變換及小波包變換特征表示50
3.4希爾伯特-黃變換53
3.4.1HHT簡(jiǎn)介53
3.4.2HHT原理及實(shí)現(xiàn)53
3.4.3HHT方法的優(yōu)越性56
3.5功率譜分析58
參考文獻(xiàn)59
第4章分類方法60
4.1貝葉斯分類60
4.1.1貝葉斯定理60
4.1.2基本概念及貝葉斯決策理論60
4.1.3基于最小錯(cuò)誤率的貝葉斯決策61
4.1.4基于最小風(fēng)險(xiǎn)的貝葉斯決策62
4.1.5基于最小錯(cuò)誤率和基于最小風(fēng)險(xiǎn)貝葉斯決策之間的關(guān)系64
4.1.6貝葉斯分類器的設(shè)計(jì)64
4.2線性分類65
4.2.1線性判別函數(shù)65
4.2.2線性分類器的學(xué)習(xí)算法68
4.3神經(jīng)網(wǎng)絡(luò)分類73
4.3.1概述73
4.3.2組成74
4.3.3神經(jīng)元原理與模型74
4.3.4感知器77
4.4支持向量機(jī)85
4.4.1概述85
4.4.2線性分類器85
4.4.3非線性分類器88
參考文獻(xiàn)93
第5章基于貝葉斯決策的細(xì)胞及性別和魚類識(shí)別94
5.1貝葉斯決策描述94
5.2基于貝葉斯決策的細(xì)胞識(shí)別95
5.2.1細(xì)胞識(shí)別問題描述95
5.2.2基于最小錯(cuò)誤準(zhǔn)則的細(xì)胞識(shí)別96
5.2.3基于最小風(fēng)險(xiǎn)的細(xì)胞識(shí)別97
5.3基于貝葉斯決策的性別識(shí)別98
5.3.1性別識(shí)別問題描述及算法步驟98
5.3.2性別識(shí)別結(jié)果99
5.4基于貝葉斯決策的魚類識(shí)別101
5.4.1魚類識(shí)別問題描述及算法步驟101
5.4.2魚類識(shí)別結(jié)果102
參考文獻(xiàn)103
第6章基于語(yǔ)音的說話人識(shí)別104
6.1說話人識(shí)別簡(jiǎn)介104
6.2說話人識(shí)別方法和基本原理105
6.2.1說話人識(shí)別方法105
6.2.2說話人識(shí)別基本原理105
6.3語(yǔ)音信號(hào)的數(shù)字化107
6.4語(yǔ)音信號(hào)的預(yù)處理107
6.5語(yǔ)音信號(hào)的特征提取110
6.6基于矢量量化的說話人識(shí)別117
6.7基于語(yǔ)音的說話人識(shí)別結(jié)果118
參考文獻(xiàn)119
第7章車牌識(shí)別121
7.1車牌識(shí)別簡(jiǎn)介121
7.2車牌識(shí)別步驟122
7.3車牌識(shí)別實(shí)例123
7.3.1車牌定位123
7.3.2字符分割126
7.3.3車牌識(shí)別127
參考文獻(xiàn)130
第8章腦機(jī)接口中運(yùn)動(dòng)想象腦電信號(hào)的識(shí)別131
8.1腦機(jī)接口的基本概念與原理131
8.2基于獨(dú)立分量分析的腦電信號(hào)預(yù)處理133
8.3基于小波和小波包變換的腦電信號(hào)特征提取135
8.3.1基于小波變換系數(shù)及系數(shù)均值的特征提取136
8.3.2基于小波包分解系數(shù)及子帶能量的特征提取138
8.3.3數(shù)據(jù)描述140
8.3.4基于小波變換系數(shù)及系數(shù)均值處理結(jié)果140
8.3.5基于小波包分解系數(shù)及子帶能量處理結(jié)果142
8.4基于HHT的腦電信號(hào)特征提取143
8.4.1數(shù)據(jù)描述143
8.4.2數(shù)據(jù)預(yù)處理144
8.4.3基于HHT的AR特征145
8.4.4基于HHT的IE特征152
8.5基于概率神經(jīng)網(wǎng)絡(luò)的腦電信號(hào)分類153
8.6基于支持向量機(jī)的腦電信號(hào)分類155
參考文獻(xiàn)157
第9章基于紅外火焰探測(cè)的火災(zāi)識(shí)別159
9.1紅外火焰探測(cè)的基本原理及組成159
9.1.1火災(zāi)探測(cè)簡(jiǎn)介159
9.1.2紅外火焰探測(cè)基本原理160
9.1.3紅外火焰探測(cè)硬件基本組成161
9.2基于時(shí)頻結(jié)合的火災(zāi)信號(hào)特征提取162
9.2.1數(shù)據(jù)獲取過程162
9.2.2數(shù)據(jù)預(yù)處理及正確性分析163
9.2.3數(shù)據(jù)正確性初步分析163
9.2.4火災(zāi)時(shí)域特征提取165
9.2.5火災(zāi)頻域特征提取167
9.3基于決策樹的火災(zāi)識(shí)別171
9.3.1決策樹基本思想171
9.3.2決策樹特點(diǎn)173
9.3.3基于決策樹的火災(zāi)識(shí)別173
參考文獻(xiàn)175
第10章基于K-L變換的人臉識(shí)別176
10.1人臉識(shí)別技術(shù)簡(jiǎn)介176
10.1.1人臉識(shí)別技術(shù)背景及其應(yīng)用價(jià)值176
10.1.2人臉識(shí)別技術(shù)的研究?jī)?nèi)容177
10.1.3自動(dòng)人臉識(shí)別系統(tǒng)的組成178
10.1.4常用的人臉識(shí)別數(shù)據(jù)庫(kù)179
10.2K-L變換的基本原理180
10.3基于K-L變換的人臉識(shí)別方法181
10.3.1人臉圖像的預(yù)處理181
10.3.2特征向量的計(jì)算184
10.3.3選取特征向量張成人臉空間185
10.3.4基于最小距離法的分類識(shí)別187
參考文獻(xiàn)190
第11章基于深度數(shù)據(jù)的運(yùn)動(dòng)目標(biāo)檢測(cè)191
11.1研究背景191
11.2Kinect深度數(shù)據(jù)的獲取192
11.3單高斯模型運(yùn)動(dòng)目標(biāo)檢測(cè)算法193
11.3.1單高斯模型背景參數(shù)建立193
11.3.2前景點(diǎn)及背景點(diǎn)判斷194
11.3.3背景參數(shù)更新194
11.4實(shí)驗(yàn)結(jié)果194
11.5本章小結(jié)195
參考文獻(xiàn)196
第12章基于指紋的生物識(shí)別198
12.1基于指紋的生物識(shí)別概念198
12.2指紋識(shí)別的過程及主要特征199
12.2.1總體特征199
12.2.2局部特征200
12.3指紋識(shí)別的實(shí)現(xiàn)步驟與實(shí)驗(yàn)結(jié)果201
12.3.1指紋圖像采集201
12.3.2指紋圖像預(yù)處理202
12.3.3特征提取203
12.3.4指紋庫(kù)數(shù)據(jù)存儲(chǔ)204
12.3.5指紋識(shí)別205
12.3.6指紋識(shí)別實(shí)驗(yàn)結(jié)果205
參考文獻(xiàn)205
第13章基于虹膜的生物識(shí)別207
13.1研究背景207
13.1.1常見的生物特征識(shí)別技術(shù)207
13.1.2虹膜及識(shí)別系統(tǒng)組成208
13.1.3虹膜識(shí)別典型應(yīng)用209
13.2虹膜識(shí)別算法原理210
13.2.1預(yù)處理-虹膜定位210
13.2.2特征提取215
13.2.3虹膜匹配——漢明距離分類器218
13.2.4識(shí)別結(jié)果218
13.3本章小結(jié)219
參考文獻(xiàn)219
第14章電影中吸煙鏡頭識(shí)別220
14.1研究背景及現(xiàn)狀概述220
14.2基于SIFT與STIP的吸煙檢測(cè)221
14.2.1SIFT特征描述221
14.2.2STIP特征描述222
14.2.3純貝葉斯互信息最大化223
14.2.4識(shí)別系統(tǒng)框架224
14.3實(shí)驗(yàn)結(jié)果分析225
14.3.1訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)225
14.3.2測(cè)試結(jié)果226
14.4本章小結(jié)227
參考文獻(xiàn)227
第15章黃瓜病害識(shí)別228
15.1研究背景228
15.2基于圖像的黃瓜病害識(shí)別229
15.2.1圖像采集229
15.2.2圖像預(yù)處理229
15.2.3特征參數(shù)提取233
15.2.4黃瓜病蟲害的模糊模式識(shí)別235
15.2.5黃瓜病蟲害的模糊模式識(shí)別結(jié)果分析235
15.3本章小結(jié)237
參考文獻(xiàn)237
第16章昆蟲識(shí)別238
16.1研究背景238
16.2基于圖像的昆蟲識(shí)別239
16.2.1圖像預(yù)處理239
16.2.2特征提取241
16.2.3分類器設(shè)計(jì)245
16.2.4識(shí)別結(jié)果246
16.3本章小結(jié)246
參考文獻(xiàn)247
書單推薦
