模式识别与人工智能(基于MATLAB)

周润景编著的《模式识别与人工智能(基于 MATLAB)》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MATLAB实现程序。全书共分为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，覆盖了各种常用 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。

周润景，内蒙古大学电信学院自动化系教授，中国电子学会高级会员，IEEE/EMBS会员。多年来一直从事EDA技术的研究。近五年主持参与航天部项目六项，在国内外出版EDA设计专著20多部，发表论文50多篇，其中EI检索30多篇，近五年来为国防科工局所属单位培训军工电子系统可靠性设计、EMC设计、高速PCB设计1000多人次。在本项目中负责系统仿真。承担国家自然基金项目2项， 春晖计划项目2项，自治区自然基金项目1项，自治区高校科研项目2项，军工企业项目4项等。

第1章 模式识别概述 1.1 模式识别的基本概念 1.1.1 模式的描述方法 1.1.2 模式识别系统 1.2 模式识别的基本方法 1.3 模式识别的应用 习题 第2章 贝叶斯分类器设计 2.1 贝叶斯决策及贝叶斯公式 2.1.1 贝叶斯决策简介 2.1.2 贝叶斯公式 2.2 基于最小错误率的贝叶斯决策 2.2.1 基于最小错误率的贝叶斯决策理论 2.2.2 最小错误率贝叶斯分类的计算过程 2.2.3 最小错误率贝叶斯分类的MATLAB实现 2.2.4 结论 2.3 最小风险贝叶斯决策 2.3.1 最小风险贝叶斯决策理论 2.3.2 最小错误率与最小风险的贝叶斯决策比较 2.3.3 贝叶斯算法的计算过程 2.3.4 最小风险贝叶斯分类的MATLAB实现 2.3.5 结论 习题 第3章 判别函数分类器设计 3.1 判别函数简介 3.2 线性判别函数 3.3 线性判别函数的实现 3.4 基于LMSE的分类器设计 3.4.1 LMSE分类法简介 3.4.2 LMSE算法原理 3.4.3 LMSE算法步骤 3.4.4 LMSE算法的MATLAB实现 3.4.5 结论 3.5 基于Fisher的分类器设计 3.5.1 Fisher判别法简介 3.5.2 Fisher判别法的原理 3.5.3 Fisher分类器设计 3.5.4 Fisher算法的MATLAB实现 3.5.5 识别待测样本类别 3.5.6 结论 3.6 基于支持向量机的分类法 3.6.1 支持向量机简介 3.6.2 支持向量机基本思想 3.6.3 支持向量机的几个主要优点 3.6.4 训练集为非线性情况 3.6.5 核函数 3.6.6 多类分类问题 3.6.7 基于SVM的MATLAB实现 3.6.8 结论 习题