模式识别方法研究及应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题的研究背景及意义 | 第8页 |
| ·模式识别国内外研究进展 | 第8-10页 |
| ·国内发展状况 | 第8-9页 |
| ·国外发展状况 | 第9-10页 |
| ·模式识别应用领域 | 第10-12页 |
| ·文字识别 | 第11页 |
| ·语音识别 | 第11页 |
| ·指纹识别 | 第11-12页 |
| ·遥感 | 第12页 |
| ·医学诊断 | 第12页 |
| ·本文的研究内容及结构 | 第12-14页 |
| 2 模式识别方法研究 | 第14-32页 |
| ·统计模式识别 | 第14-19页 |
| ·统计模式识别 | 第14-16页 |
| ·有监督识别方法 | 第16-17页 |
| ·非监督识别方法 | 第17页 |
| ·统计模式识别的特点 | 第17-19页 |
| ·结构模式识别 | 第19-21页 |
| ·结构模式识别 | 第19-20页 |
| ·字符串描述 | 第20页 |
| ·图形描述 | 第20页 |
| ·树描述 | 第20页 |
| ·句法分析 | 第20页 |
| ·结构匹配 | 第20-21页 |
| ·结构模式识别特点 | 第21页 |
| ·模糊模式识别 | 第21-27页 |
| ·模糊模式识别 | 第21页 |
| ·隶属度函数 | 第21-22页 |
| ·模糊特征以及结果的模糊化 | 第22-23页 |
| ·特征的模糊评价 | 第23-25页 |
| ·模糊C均值算法及其改进算法 | 第25-27页 |
| ·模糊模式识别的特点 | 第27页 |
| ·人工神经网络 | 第27-31页 |
| ·人工神经网络 | 第27-28页 |
| ·前馈神经网络 | 第28-29页 |
| ·感知器 | 第29页 |
| ·Hopfield网络 | 第29-30页 |
| ·人工神经网络模式识别的特点 | 第30-31页 |
| ·小结 | 第31-32页 |
| 3 统计模式识别算法研究与应用 | 第32-51页 |
| ·贝叶斯判别方法 | 第32-35页 |
| ·最小错误率贝叶斯决策 | 第33页 |
| ·最小风险贝叶斯决策 | 第33-35页 |
| ·线性判别 | 第35-36页 |
| ·线性判别函数 | 第35页 |
| ·广义线性判别函数 | 第35-36页 |
| ·线性分类器的设计 | 第36页 |
| ·Fisher线性判别 | 第36-41页 |
| ·两类问题Fisher准则 | 第37-39页 |
| ·广义Fisher准则 | 第39-41页 |
| ·非线性判别 | 第41-45页 |
| ·分段线性判别函数 | 第41-42页 |
| ·近邻法 | 第42-45页 |
| ·K-means算法 | 第45-47页 |
| ·K-means算法的基本原理 | 第45页 |
| ·K-means算法思想及算法框架 | 第45-46页 |
| ·K-means算法的特点 | 第46-47页 |
| ·支持向量机 | 第47-49页 |
| ·最优分类面 | 第47-48页 |
| ·支持向量机 | 第48-49页 |
| ·小结 | 第49-51页 |
| 4 CPI代表规格品价格走势预警系统的设计与实现 | 第51-62页 |
| ·系统主要功能 | 第51页 |
| ·系统数据库设计 | 第51-53页 |
| ·K线形态数据的处理与识别 | 第53-57页 |
| ·折线形态数据的处理与识别 | 第57-61页 |
| ·小结 | 第61-62页 |
| 5 结论 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 致谢 | 第67-69页 |
