书城首页 › 当代 › 工业 › 模式识别
当代·工业

模式识别

正版保障多仓发货48小时内发货2-3天送达可开发票
¥57.06 定价 ¥88.00 6.5折 立省 ¥30.94
现货库存 6 件 全新
商品参数
书名
模式识别
作者
刘明堂,刘鹏 编
出版社
电子工业出版社
出版时间
2021-05-01
ISBN
9787121384288
货号
1202321602
品相
全新
分类
当代·工业
购物车(0)
商品参数
书名
模式识别
作者
刘明堂,刘鹏 编
出版社
电子工业出版社
出版时间
2021-05-01
ISBN
9787121384288
货号
1202321602
品相
全新
分类
当代·工业
作者简介▼

刘明堂,华北水利水电大学教授、硕士生导师;研究方向为信息检测与图像处理,在水利信息化、多传感器数据融合、机器视觉与模式识别等方面进行了深入研究;近5年主持和参与各类课题10余项,发表论文20余篇,获授权国家发明专利11项。

目录▼

第1章绪论1

1.1机器感知与视觉信息1

1.1.1机器感知1

1.1.2视觉信息感知2

1.1.3视觉机理2

1.2特征选择与提取3

1.2.1特征3

1.2.2特征选择3

1.2.3特征提取4

1.3模式识别系统4

1.3.1模式与模式识别4

1.3.2模式识别系统5

1.4机器感知与模式识别5

1.5机器感知与人工智能的关系6

1.6章节安排6

习题7

参考文献8

第2章机器视觉9

2.1视觉系统9

2.1.1机器视觉的发展9

2.1.2机器视觉系统的构成与评价指标10

2.1.3机器视觉的应用12

2.2硬件系统14

2.2.1工业相机15

2.2.2镜头20

2.2.3光源24

2.2.4其他组成部分29

2.3视觉软件30

2.4实验:车牌识别31

2.4.1实验目的31

2.4.2实验要求31

2.4.3实验原理31

2.4.4实验环境31

2.4.5实验步骤31

习题32

参考文献33

第3章特征提取35

3.1特征提取简述35

3.2特征选择37

3.2.1特征方差38

3.2.2特征相关系数38

3.2.3类间距离38

3.2.4降维38

3.3降维39

3.3.1基于PCA的特征提取40

3.3.2PCA的步骤41

3.4类脑智能42

3.4.1模式识别与人工智能42

3.4.2类脑智能的概念43

3.4.3类脑智能的技术框架44

3.5模式识别系统设计45

3.6计算学习理论46

3.6.1基本的PAC模型47

3.6.2基本概念47

3.6.3问题框架48

3.6.4小结49

3.7实验:基于PCA的特征脸提取49

3.7.1实验目的49

3.7.2实验要求49

3.7.3实验原理49

3.7.4实验步骤50

3.7.5实验结果51

习题53

参考文献53

第4章线性分类模型55

4.1线性判别函数55

4.1.1两类问题55

4.1.2多类问题57

4.2Fisher线性判别函数59

4.3感知器算法62

4.4最小平方误差算法64

4.5Logistic回归65

4.6基于Python实现感知器算法69

4.6.1基于sklearn库实现感知器算法69

4.6.2实验结果分析73

4.7实验:感知器算法实现74

4.7.1实验目的74

4.7.2实验要求75

4.7.3实验原理及具体步骤75

4.7.4实验结果77

习题79

参考文献79

第5章非线性分类81

5.1分段线性判别函数81

5.1.1最小距离分类器81

5.1.2一般的分段线性判别函数82

5.2决策树和随机森林85

5.2.1树状分类过程85

5.2.2构造决策树86

5.2.3森林分类过程89

5.3支持向量机90

5.3.1线性可分情况90

5.3.2线性不可分情况91

5.4贝叶斯分类网络93

5.4.1贝叶斯决策的相关概念93

5.4.2最小错误率贝叶斯决策94

5.4.3最小风险贝叶斯决策95

5.4.4正态分布贝叶斯分类96

5.5神经网络97

5.5.1神经网络基本单元97

5.5.2前馈神经网络98

5.5.3Hopfield反馈神经网络102

5.6基于Python实现决策树和随机森林算法103

5.6.1决策树和随机森林算法的基本特征103

5.6.2实验结果分析106

5.7实验:决策树和随机森林算法实现107

5.7.1实验目的107

5.7.2实验要求107

5.7.3实验原理及步骤107

5.7.4实验结果111

习题113

参考文献113

第6章时间序列预测115

6.1时间序列预测概述115

6.1.1时间序列115

6.1.2编制时间序列的原则117

6.1.3时间序列预测方法118

6.1.4时间序列预测流程120

6.1.5时间序列预测模型评估121

6.2指数平滑法122

6.2.1一次指数平滑123

6.2.2二次指数平滑123

6.2.3三次指数平滑124

6.2.4平滑系数的选择124

6.3自回归滑动平均模型124

6.3.1自回归模型125

6.3.2移动平均模型125

6.3.3自回归滑动平均模型表示125

6.3.4自回归滑动平均模型建模126

6.4自回归积分滑动平均模型128

6.4.1自回归积分滑动平均模型表示128

6.4.2自回归积分滑动平均模型建模128

6.4.3案例分析129

6.5长短期记忆网络模型133

6.5.1循环神经网络134

6.5.2长短期记忆网络134

6.6实验:基于LSTM的股票最高价预测135

6.6.1实验目的135

6.6.2实验要求135

6.6.3实验原理136

6.6.4实验步骤137

6.6.5实验结果141

习题143

参考文献143

第7章混合模型145

7.1高斯模型与高斯混合模型145

7.1.1高斯模型145

7.1.2高斯混合模型146

7.2贝叶斯混合模型147

7.3集成学习148

7.3.1Boosting149

7.3.2AdaBoost149

7.4实验:基于AdaBoost集成学习的乳腺癌分类153

7.4.1实验目的153

7.4.2实验要求154

7.4.3实验原理154

7.4.4实验内容156

7.4.5实验结果162

习题163

参考文献163

第8章图像识别164

8.1数字图像处理系统164

8.1.1图像感知与获取164

8.1.2图像处理硬件165

8.1.3图像处理软件166

8.1.4图像的显示和存储166

8.2图像特征描述167

8.2.1几何特征167

8.2.2形状特征170

8.2.3颜色特征172

8.2.4纹理特征173

8.3图像特征提取175

8.3.1基于Hu不变矩的形状特征提取175

8.3.2基于联合概率矩阵法的纹理特征提取177

8.3.3分块颜色直方图特征提取178

8.3.4基于小波变换的图像特征提取179

8.4目标识别180

8.4.1结构判别方法181

8.4.2决策理论方法183

8.5基于区域生长法的图像识别186

8.5.1区域生长法的基本原理186

8.5.2基于区域生长法的裂缝识别系统188

8.5.3实验结果分析189

8.6实验:水泥面裂缝检测191

8.6.1实验目的191

8.6.2实验要求191

8.6.3实验原理191

8.6.4实验步骤192

8.6.5实验结果192

习题193

参考文献194

第9章视频目标检测与跟踪196

9.1视频目标检测196

9.1.1帧间差分法196

9.1.2光流法197

9.1.3背景减除法198

9.1.4目标检测在复杂场景中应用的困难202

9.2运动目标跟踪202

9.2.1MeanShift跟踪算法202

9.2.2卡尔曼滤波跟踪算法205

9.2.3多目标跟踪算法208

9.3运动目标检测的性能评价211

9.3.1主观评价212

9.3.2客观评价212

9.4图像视频数据集214

9.4.1MOT16数据集214

9.4.2PETS2016数据集215

9.4.3ChangeDetection.net数据集216

9.4.4OTCBVS红外图像数据集216

9.4.5KITTI自动驾驶数据集217

9.4.6CityscapesDataset数据集217

9.5实验:多目标跟踪实验218

9.5.1实验目的218

9.5.2实验要求218

9.5.3实验原理218

9.5.4实验步骤及实验结果219

习题222

参考文献222

第10章语音识别224

10.1语音识别概述224

10.1.1语音识别的研究背景224

10.1.2语音识别的现状与问题225

10.1.3语音识别系统的基本结构226

10.2声学模型227

10.2.1混合高斯模型227

10.2.2隐马尔可夫模型228

10.3语言模型229

10.3.1语言模型的基础理论229

10.3.2基于知识的语言模型229

10.3.3基于统计方法的语言模型230

10.3.4基于知识的语言模型和基于统计方法的语言模型比较231

10.4解码器232

10.5深度学习模型234

10.5.1深度神经网络234

10.5.2DNN前向传播算法235

10.5.3DNN反向传播算法236

10.5.4DNN中的激活函数236

10.6基于MFCC的语音识别237

10.6.1MFCC特征提取237

10.6.2MFCC的基本原理237

10.7基于DNN-MFCC混合系统的语音识别242

10.7.1DNN和MFCC结合的原理242

10.7.2DNN-MFCC混合系统244

10.8实验:基于MFCC特征和THCHS-30数据集的语音识别246

10.8.1实验目的246

10.8.2实验要求246

10.8.3实验原理247

10.8.4实验步骤248

10.8.5实验结果248

习题249

参考文献250

第11章生物特征识别252

11.1生物特征识别概述252

11.1.1生物特征252

11.1.2生物特征识别系统253

11.1.3应用概况和发展趋势255

11.2指纹识别256

11.2.1指纹特征257

11.2.2指纹采集设备258

11.2.3指纹图像预处理259

11.2.4指纹特征提取264

11.2.5指纹特征匹配266

11.3人脸识别267

11.3.1人脸识别概述267

11.3.2人脸检测269

11.3.3人脸特征提取271

11.3.4人脸特征匹配273

11.4虹膜识别274

11.4.1虹膜识别概述274

11.4.2虹膜定位275

11.4.3虹膜图像归一化277

11.4.4虹膜特征提取278

11.4.5虹膜特征匹配279

11.5步态识别280

11.5.1步态识别概述280

11.5.2步态特征提取281

11.5.3步态特征匹配282

11.6实验:人脸识别283

11.6.1实验目的283

11.6.2实验要求283

11.6.3实验原理283

11.6.4实验步骤283

习题284

参考文献285

第12章医学图像检索287

12.1医学图像检索概述287

12.1.1医学图像的特点287

12.1.2基于内容的医学图像检索288

12.1.3医学图像检索框架290

12.1.4医学图像检索中的关键技术292

12.2多媒体内容描述标准MPEG-7292

12.2.1MPEG-7的基本概念293

12.2.2MPEG-7的主要元素293

12.2.3MPEG-7的组成294

12.2.4MPEG-7视觉描述工具295

12.3基于MPEG-7纹理描述子的X射线胸片图像检索297

12.3.1X射线胸片图像297

12.3.2基于同构型纹理描述子的X射线胸片图像检索298

12.4图像检索系统性能评价301

12.5实验:基于颜色直方图的医学图像检索302

12.5.1实验目的302

12.5.2实验要求302

12.5.3实验原理302

12.5.4实验步骤302

12.5.5实验结果310

习题311

参考文献312

附录A人工智能实验环境314

附录B人工智能云平台320

文摘▼

本书围绕模式识别的基本概念、基础理论和典型方法,从实际应用问题出发,系统描述了模式识别的常用方法和常见技巧,并给出了一系列实验及应用案例。本书首先介绍了机器视觉的概念及特征提取的概念和方法;其次介绍了线性分类模型、非线性分类模型、时间序列预测模型和混合模型等理论知识与实践操作;最后重点介绍了图像识别、视频目标检测与跟踪、语音识别、生物特征识别和医学图像检索等典型应用。本书注重基础性、系统性和实用性,并配套丰富的教学资源,可作为普通高等学校人工智能及相关专业的教材,也可作为从事模式识别相关工作的读者的参考书。

¥57.06
🛒购物车