圖像模式識別：VC++技術(shù)實(shí)現(xiàn)

定　價(jià)：￥36.00

作　者：	楊淑瑩編著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	高等學(xué)校計(jì)算機(jī)科學(xué)與技術(shù)教材
標(biāo)　簽：	模式識別

購買這本書可以去

ISBN：	9787810824811	出版時(shí)間：	2005-07-01	包裝：	平裝
開本：	26cm＋光盤1片	頁數(shù)：	274	字?jǐn)?shù)：

內(nèi)容簡介

　　本書介紹圖像模式識別的各種算法及其編程實(shí)現(xiàn)步驟。全書共分為10章，內(nèi)容包括：模式識別的基本概念，位圖的基礎(chǔ)知識，分類器設(shè)計(jì)，模板匹配分類器，基于概率統(tǒng)計(jì)的Bayes分類器，幾何分類器，神經(jīng)網(wǎng)絡(luò)分類器，圖像分割與特征提取，聚類分析，模糊聚類分析，遺傳算法聚類分析。本書實(shí)用性強(qiáng)，選材新穎，包括了神經(jīng)網(wǎng)絡(luò)、模糊集理論、遺傳算法等新技術(shù)，針對每一種模式識別技術(shù)，書中分為理論基礎(chǔ)、實(shí)現(xiàn)步驟、編程代碼三部分，所有算法都用VC++編程實(shí)現(xiàn)，程序結(jié)構(gòu)簡單，代碼簡潔，便于初學(xué)者很快掌握模式識別技術(shù)。本書可作為高等院校計(jì)算機(jī)工程、信息工程、生物醫(yī)學(xué)工程、智能機(jī)器人學(xué)、工業(yè)自動化、模式識別等學(xué)科本科生、研究生的教材或教學(xué)參考書，亦可供有關(guān)工程技術(shù)人員參考。

作者簡介

暫缺《圖像模式識別：VC++技術(shù)實(shí)現(xiàn)》作者簡介

圖書目錄

第1章模式識別的基本概念
1.1   模式識別的基本概念
1.2   圖像識別
1.3   位圖基礎(chǔ)
1.3.1  數(shù)字圖像的基本概念
1.3.2  BMP文件結(jié)構(gòu)
1.3.3  Cdib類庫的建立
小結(jié)
習(xí)題
第2章分類器設(shè)計(jì)
2.1   特征空間優(yōu)化設(shè)計(jì)問題
2.2   分類器設(shè)計(jì)準(zhǔn)則
2.3   分類器設(shè)計(jì)基本方法
2.4   判別函數(shù)
2.5   分類器的選擇
2.6   訓(xùn)練與學(xué)習(xí)
小結(jié)
習(xí)題
第3章模板匹配分類器
3.1   特征類設(shè)計(jì)
3.2   待測樣品特征提取
3.3   訓(xùn)練集特征庫的建立
3.4   模板匹配分類法
小結(jié)
習(xí)題
第4章基于概率統(tǒng)計(jì)的Bayes分類器
4.1   Bayes決策的基本概念
4.1.1  Bayes決策所討論的問題
4.1.2  Bayes公式
4.2   基于最小錯(cuò)誤率的Bayes決策
4.3   基于最小風(fēng)險(xiǎn)的Bayes決策
4.4   Bayes決策比較
4.5   基于二值數(shù)據(jù)的Bayes分類實(shí)現(xiàn)
4.6   基于最小錯(cuò)誤率的Bayes分類實(shí)現(xiàn)
4.7   基于最小風(fēng)險(xiǎn)的Bayes分類實(shí)現(xiàn)
小結(jié)
習(xí)題
第5章幾何分類器
5.1   幾何分類器的基本概念
5.2   線性判別函數(shù)
5.3   線性判別函數(shù)的實(shí)現(xiàn)
5.4   感知器算法
5.5   增量校正算法
5.6   LMSE驗(yàn)證可分性
5.7   LMSE分類算法
5.8   Fisher分類
5.9   線性分類器實(shí)現(xiàn)分類的局限性
5.10  非線性判別函數(shù)
5.11   分段線性判別函數(shù)
5.12  勢函數(shù)法
小結(jié)
習(xí)題
第6章神經(jīng)網(wǎng)絡(luò)分類器
6.1   人工神經(jīng)網(wǎng)絡(luò)的基本原理
6.1.1  人工神經(jīng)元
6.1.2  人工神經(jīng)網(wǎng)絡(luò)模型
6.1.3  神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程
6.1.4  人工神經(jīng)網(wǎng)絡(luò)在模式識別問題上的優(yōu)勢
6.2   BP網(wǎng)絡(luò)設(shè)計(jì)
6.2.1  三層BP網(wǎng)絡(luò)學(xué)習(xí)算法
6.2.2  BP網(wǎng)絡(luò)設(shè)計(jì)需要考慮的問題
6.3   神經(jīng)網(wǎng)絡(luò)分類器設(shè)計(jì)
小結(jié)
習(xí)題
第7章圖像分割與特征提取
7.1   聚類簡介
7.2   圖像閾值分割
7.2.1  直方圖門限造反閾值
7.2.2  半閾值選擇分割
7.3   圖像的標(biāo)識及特征提取
7.4   圖像的輪廓提取
7.5   圖像的測量
7.5.1  二值圖像的區(qū)域面積測量
7.5.2  二值圖像的周長測量
小結(jié)
習(xí)題
第8章聚類分析
8.1   聚類的設(shè)計(jì)
8.2   模式相似性測量
8.3   基于試探的未知類別聚類算法
8.3.1  最臨近規(guī)則的試探法
8.3.2  最大最小距離算法
8.4   層次聚類算法
8.4.1  最短距離法
8.4.2  最長距離法
8.4.3  中間距離法
8.4.4  重心法
8.4.5  類平均距離法
8.5   動態(tài)聚類算法
8.5.1  K均值算法
8.5.2  迭代自組織的數(shù)據(jù)分析算法（ISODATA）
小結(jié)
習(xí)題
第9章模糊聚類分析
9.1   模糊集的基本概念
9.2   模糊集運(yùn)算
9.2.1  模糊子集運(yùn)算
9.2.2  模糊集運(yùn)算性質(zhì)
9.3   模糊關(guān)系
9.4   模糊集在模式識別中的應(yīng)用
9.5   模糊聚類分析
小結(jié)
習(xí)題
第10章遺傳算法聚類分析
10.1  遺傳算法基本概念
10.2  遺傳算法的構(gòu)成要素
10.2.1 染色體的編碼
10.2.2 適應(yīng)度函數(shù)
10.2.3 遺傳算子
10.3  控制參數(shù)的選擇
10.4  基于遺傳算法的聚類分析
小結(jié)
習(xí)題
附錄A 幾種主要矩陣運(yùn)算的程序代碼
參考文獻(xiàn)