模式识别与人工智能

(副标题)：无 ;

(作者): 周润景 ;

内容简介：

​ 第1章　模式识别概述
1.1　模式识别的基本概念
模式识别（pattern recognition）也称机器识别，就是通过计算机用数学技术方法来进行模式的自动处理和判读。该学科的主要任务是利用计算机进行模拟人的识别能力，提出识别具体客体的基本理论与实用技术。其最基本的方法是计算，即计算要识别的事物与已知的标准事物的相似程度，从而让机器能判别事物。因此，找到度量不同事物差异的有效方法是研究的关键。随着计算机技术的发展，人类有可能研究复杂的信息处理过程。我们把环境与客体统称为“模式”。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息（通过视觉器官来获得）和声学信息（通过听觉器官来获得）的识别。这是模式识别的两个重要方面。模式识别是确定一个样本的类别属性的过程，即把某一样本归属于多个类型中的某个类型。例如，数据分类，结果就是将待分类数据按属性分类；指纹识别，就是使用指纹的总体特征如纹形、三角点等来进行分类，再用局部特征如位置和方向等来进行识别用户身份；还有语音识别、生物认证、字符识别等。
1.1.1　模式的描述方法
对于模式的描述方法有两种：定量描述和结构性描述。其中，定量描述通过对事物的属性进行度量，用一组数据来描述模式；结构性描述是对事物所包含的成分进行分析，用一组基元来描述模式。
针对定量描述方法，一个具体的研究对象称为样品。对于一个样品来说，必须确定一些与识别有关的因素作为研究的根据，毎一个因素称为一个特征。模式用样品的一组数据来描述。模式的特征集一般可以用特征向量表示。特征向量中的每个元素称作特征。假设一个样品X有n个特征，若用小写字母x来表示特征，则可以把X看作一个n维列向量，该向量X称为特征向量，记作：

模式识别问题就是根据X的n个特征来判别模式X属于ω1，ω2，…，ωM类中的哪一类。其目的是在特征空间

目录预览：

​ 模式识别与人工智能（基于MATLAB）
第1章　模式识别概述
第2章　贝叶斯分类器设计
第3章　判别函数分类器设计
第4章　聚类分析
第5章　模糊聚类分析
第6章　神经网络聚类设计
第7章　模拟退火算法聚类设计
第8章　遗传算法聚类设计
第9章　蚁群算法聚类设计
第10章　粒子群算法聚类设计
参考文献