图像模式识别 VC++技术实现pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

图像模式识别 VC++技术实现PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

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

目录 1

第1章 模式识别的基本概念 1

1.1 模式识别的基本概念 1

1.2 图像识别 5

1.3 位图基础 7

1.3.1 数字图像的基本概念 7

1.3.2 BMP文件结构 9

1.3.3 CDib类库的建立 11

小结 18

习题 18

第2章 分类器设计 19

2.1 特征空间优化设计问题 19

2.2 分类器设计准则 21

2.3 分类器设计基本方法 24

2.4 判别函数 25

2.5 分类器的选择 27

2.6 训练与学习 28

小结 29

习题 29

第3章 模板匹配分类器 30

3.1 特征类设计 30

3.2 待测样品特征提取 35

3.3 训练集特征库的建立 37

3.4 模板匹配分类法 39

小结 42

习题 42

4.1.1 Bayes决策所讨论的问题 43

4.1 Bayes决策的基本概念 43

第4章 基于概率统计的Bayes分类器 43

4.1.2 Bayes公式 44

4.2 基于最小错误率的Bayes决策 46

4.3 基于最小风险的Bayes决策 49

4.4 Bayes决策比较 51

4.5 基于二值数据的Bayes分类实现 52

4.6 基于最小错误率的Bayes分类实现 55

4.7 基于最小风险的Bayes分类实现 59

小结 64

习题 64

第5章 几何分类器 65

5.1 几何分类器的基本概念 65

5.2 线性判别函数 66

5.4 感知器算法 70

5.3 线性判别函数的实现 70

5.5 增量校正算法 78

5.6 LMSE验证可分性 85

5.7 LMSE分类算法 91

5.8 Fisher分类 95

5.9 线性分类器实现分类的局限性 101

5.10 非线性判别函数 103

5.11 分段线性判别函数 105

5.12 势函数法 108

小结 114

习题 114

第6章 神经网络分类器 115

6.1 人工神经网络的基本原理 115

6.1.1 人工神经元 115

6.1.3 神经网络的学习过程 118

6.1.2 人工神经网络模型 118

6.1.4 人工神经网络在模式识别问题上的优势 119

6.2 BP网络设计 120

6.2.1 三层BP网络学习算法 121

6.2.2 BP网络设计需要考虑的问题 123

6.3 神经网络分类器设计 125

小结 134

习题 134

第7章 图像分割与特征提取 135

7.1 聚类简介 135

7.2 图像阈值分割 138

7.2.1 直方图门限选择阈值 139

7.2.2 半阈值选择分割 141

7.3 图像的标识及特征提取 143

7.4 图像的轮廓提取 151

7.5 图像的测量 156

7.5.1 二值图像的区域面积测量 156

7.5.2 二值图像的周长测量 157

小结 158

习题 158

第8章 聚类分析 159

8.1 聚类的设计 159

8.2 模式相似性测量 161

8.3 基于试探的未知类别聚类算法 167

8.3.1 最临近规则的试探法 167

8.3.2 最大最小距离算法 172

8.4 层次聚类算法 175

8.4.1 最短距离法 176

8.4.2 最长距离法 180

8.4.3 中间距离法 184

8.4.4 重心法 189

8.4.5 类平均距离法 193

8.5 动态聚类算法 201

8.5.1 K均值算法 202

8.5.2 迭代自组织的数据分析算法（ISODATA） 205

小结 213

习题 213

第9章 模糊聚类分析 214

9.1 模糊集的基本概念 214

9.2 模糊集运算 217

9.2.1 模糊子集运算 217

9.2.2 模糊集运算性质 218

9.3 模糊关系 218

9.4 模糊集在模式识别中的应用 223

9.5 模糊聚类分析 224

小结 240

习题 240

第10章 遗传算法聚类分析 241

10.1 遗传算法基本概念 241

10.2 遗传算法的构成要素 243

10.2.1 染色体的编码 243

10.2.2 适应度函数 244

10.2.3 遗传算子 245

10.3 控制参数的选择 247

10.4 基于遗传算法的聚类分析 247

小结 266

习题 266

附录A 几种主要矩阵运算的程序代码 267

参考文献 275