模式识别的模糊数学方法PDF|Epub|txt|kindle电子书版本网盘下载

模式识别的模糊数学方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1篇 概论1

第1章什么是模式识别1

§1.1模式识别技术发展简史1

目 录1

§1.2模式识别技术的重要应用2

§1.3模式识别的基本概念4

参考文献7

第2章相似测度与模糊集合8

§2.1距离8

§2.1.1距离的一般定义8

§2.1.2常用的几种距离9

§2.2相似度9

§2.2.1相似度的定义10

§2.2.2相似度与距离的关系11

§2.3.1札德的模糊集合定义12

§2.3模糊集合的若干概念12

§2.3.2以模糊测度为基础的模糊集合定义13

§2.3.3相似度与隶属度14

§2.3.4条件隶属度14

§2.4模糊集合的运算16

§2.4.1札德运算及其他16

§2.4.2测度运算17

§2.4.3测度运算的性质17

§2.5复合事件的模糊测度21

§2.6模糊关系22

参考文献26

第3章模式识别方法论27

§3.1 引言27

§3.2 模板匹配28

§3.3 软匹配30

§3.4多点匹配31

§3.5分类方法32

§3.6 模板设计33

参考文献34

第2篇分类方法35

第4章 集合与分割35

§4.1特征空间与特征集合35

§4.2 硬分割36

§4.3软的二分割39

§4.4软的c分割40

§4.5从软分割到硬分割的转化40

§4.6关于分割的再探讨41

参考文献43

§5.1直接模糊分类44

第5章隶属函数与鉴别函数44

§5.2最小距离分类45

§5.2.1单模板情况45

§5.2.2多模板情况46

§5.3线性分类47

§5.3.1线性鉴别函数47

§5.3.2多维情况47

§5.4线性鉴别函数的性质51

§5.4.1模式空间与加权空间51

§5.4.2超平面的几何性质53

§5.4.3二分法能力54

§5.5距离鉴别函数与线性鉴别函数的比较56

参考文献56

第6章聚类分析57

§6.1用模糊关系矩阵聚类57

§6.1.1普通集合上的聚类57

§6.1.2模糊集合上的硬聚类58

§6.1.3模糊关系矩阵的建立60

§6.1.4直接由模糊相似矩阵聚类62

§6.1.5软聚类63

§6.2用目标函数聚类64

§6.2.1硬聚类64

§6.2.2软聚类67

参考文献69

第7章统计模式识别70

§7.1贝叶斯决策理论70

§7.2正态分布情况71

§7.3模糊事件的概率测度73

§7.4正态分布情况74

参考文献76

§8.1引言77

第8章句法模式识别77

§8.2描述模式的各种文法和语言78

§8.2.1 PDL文法78

§8.2.2树状文法79

§8.2.3高维文法81

§8.2.4属性文法82

§8.3模糊文法84

§8.3.1模糊语言84

§8.3.2模糊文法84

§8.3.3模糊自动机85

§8.4形式语言的误差校正剖析90

§8.4.1两个句子模式之间的距离90

§8.4.2一个句子与一个语言之间的距离92

§8.4.3误差校正剖析92

§8.4.4树状自动机的误差校正95

参考文献99

第3篇模板设计101

第9章隶属函数的确定101

§9.1推理法101

§9.1.1三角形的模板102

§9.1.2相似度隶属函数102

§9.2模糊统计103

§9.3正态分布的利用104

§9.4参数估值106

参考文献110

第10章线性鉴别函数的学习111

§10.1目标函数111

§10.1.1感知准则112

§10.1.2费舍尔准则112

§10.2.1梯度下降法114

§10.2学习算法114

§10.1.3最小平方误差准则114

§10.2.2感知准则函数法115

§10.2.3松驰法117

§10.2.4费舍尔算法117

§10.2.5最小平方误差法118

§10.2.6何-卡氏（Ho-Kashvap）法119

§10.3普遍性与收敛性120

§10.3.1普遍性120

§10.3.2收敛性120

参考文献122

第11章文法推断123

§11.1一些基本概念123

§11.2有限状态文法的推断124

§11.3二维文法推断126

参考文献127