直觉模糊核匹配追踪理论及应用 - 中国高校教材图书网
|
书名： |
直觉模糊核匹配追踪理论及应用
|
| ISBN： | 9787560652023 |
条码： | |
| 作者： |
雷阳
相关图书
|
装订： | 0 |
| 印次： | 1-1 |
开本： | 16开 |
| 定价： |
￥35.00
折扣价：￥33.25
折扣：0.95
节省了1.75元
|
字数： |
341千字
|
| 出版社： |
西安电子科技大学出版社 |
页数： |
232页
|
| 发行编号： | |
每包册数： |
12
|
| 出版日期： |
2019-04-08 |
|
|
| 内容简介： |
本书系统地介绍了直觉模糊核匹配追踪理论与方法在模式识别、图像信息融合等领域的应用。全书分为三个部分，共13章。第1部分为基础知识部分（第1~5章），第1章介绍目标识别的背景、意义、发展现状及直觉模糊集、核匹配追踪的概况；第2章介绍直觉模糊集的定义、性质及基本运算；第3章介绍直觉模糊集非隶属度函数的几种规范性确定方法；第4章介绍核匹配追踪的基本理论知识；第5章介绍弹道中段目标的弹道特性、自旋及进动特性、雷达回波特性等。第2部分为直觉模糊理论及目标识别应用（第6~8章），第6章介绍直觉模糊推理的目标识别方法、自适应直觉模糊推理的目标识别方法；第7章介绍直觉模糊CLOPE的参数优选方法、特征加权的直觉模糊c均值聚类的目标识别方法；第8章介绍基于人工蜂群优化的直觉模糊核聚类弹道目标识别方法；第3部分为核匹配追踪理论及目标识别应用（第9~13章），第9章介绍基于直觉模糊核匹配追踪的弹道目标识别方法。第10章介绍基于粒子群优化的直觉模糊核匹配追踪的目标识别方法和基于弱贪婪策略的随机直觉模糊核匹配追踪的目标识别方法；第11章介绍基于目标函数的直觉模糊c均值聚类的核匹配追踪算法及弹道中段目标识别方法；第12章介绍基于直觉模糊核匹配追踪集成的弹道目标识别方法。第13章介绍基于ECOC核匹配追踪的弹道目标识别方法。
本书可作为高等院校计算机、信息等专业高年级本科生或研究生计算智能课程的教材或教学参考书，也可供从事人工智能、模式识别等领域研究的教师、研究生以及科研人员参考。
|
| 作者简介： |
|
|
| 章节目录： |
第1部分 基 础 知 识
第1章 概述 3
1.1 弹道目标识别的研究背景及目的意义 3
1.1.1 研究背景 3
1.1.2 研究目的及意义 4
1.2 目标识别 6
1.3 直觉模糊集 11
1.4 核匹配追踪 12
参考文献 14
第2章 直觉模糊集 22
2.1 直觉模糊集的定义及其基本运算 22
2.2 直觉模糊关系及其性质 23
2.2.1 直觉模糊关系 23
2.2.2 直觉模糊关系的自反性 25
2.2.3 直觉模糊关系的对称性 25
2.2.4 直觉模糊关系的传递性 25
2.3 直觉模糊合成运算 26
2.3.1 直觉模糊集T-范数与S-范数 26
2.3.2 直觉模糊关系的合成运算 27
2.4 直觉模糊条件推理 28
2.4.1 条件式直觉模糊推理 28
2.4.2 多重式直觉模糊推理 29
2.4.3 多维式直觉模糊推理 29
2.4.4 多重多维式直觉模糊推理 30
本章小结 30
参考文献 30
第3章 IFS非隶属度函数的规范性确定方法 32
3.1 IFS非隶属度函数的规范性确定方法 32
3.1.1 IFS隶属度函数的确定方法 32
3.1.2 IFS非隶属度函数的计算公式 33
3.2 基于三分法的IFS非隶属度函数确定方法 33
3.2.1 三分法非隶属度函数的确定方法 34
3.2.2 实例分析 36
3.3 基于优先关系定序法的IFS非隶属度函数确定方法 37
3.3.1 优先关系定序法非隶属度函数的确定方法 37
3.3.2 实例分析 39
3.4 基于对比平均法的IFS非隶属度函数确定方法 41
3.4.1 对比平均法非隶属度函数的确定方法 41
3.4.2 实例分析 43
3.5 基于绝对比较法的IFS非隶属度函数确定方法 44
3.5.1 绝对比较法非隶属度函数的确定方法 44
3.5.2 实例分析 46
本章小结 47
参考文献 48
第4章 核匹配追踪 49
4.1 核方法理论 49
4.2 基本匹配追踪算法 50
4.3 平方间隔损失函数及其拓展 51
4.4 核匹配追踪算法 51
本章小结 52
参考文献 52
第5章 弹道中段目标特性研究及建模 53
5.1 弹道中段目标识别 53
5.2 弹道中段目标的弹道特性 55
5.3 弹道中段目标的自旋及进动特性 59
5.4 弹道中段目标的雷达回波特性 61
本章小结 65
参考文献 66
第2部分 直觉模糊理论及目标识别应用
第6章 基于直觉模糊推理的目标识别方法 69
6.1 引言 69
6.2 空天目标识别问题描述 70
6.3 基于直觉模糊推理的典型目标识别方法 71
6.3.1 直觉模糊推理系统 71
6.3.2 状态变量属性函数 73
6.3.3 推理规则及合成算法 76
6.3.4 解模糊算法 78
6.3.5 仿真实例 78
6.3.6 讨论 81
6.4 基于自适应直觉模糊推理的目标识别方法 81
6.4.1 自适应神经网络——直觉模糊推理系统 81
6.4.2 模型结构 82
6.4.3 网络学习算法 84
6.4.4 仿真实例 86
6.4.5 结果对比分析 88
本章小结 89
参考文献 89
第7章 基于直觉模糊聚类的目标识别方法 91
7.1 引言 91
7.2 聚类 92
7.2.1 聚类概念与聚类过程 92
7.2.2 聚类算法类别 92
7.3 模糊c均值聚类算法 93
7.3.1 数据集的c划分 93
7.3.2 模糊c均值聚类算法 94
7.4 基于直觉模糊CLOPE的参数优选方法 96
7.4.1 修正划分的直觉模糊度 96
7.4.2 直觉模糊CLOPE算法的Profit判决函数 98
7.4.3 基于直觉模糊CLOPE的参数优选方法 98
7.5 基于特征加权的直觉模糊c均值聚类算法 99
7.6 仿真实验结果及分析 100
7.6.1 基于特征加权的直觉模糊c均值聚类算法实验 101
7.6.2 特征加权直觉模糊聚类算法的时间复杂度 102
7.6.3 直觉模糊聚类算法的目标识别仿真实验 102
本章小结 104
参考文献 104
第8章 基于直觉模糊核聚类的弹道目标识别方法 105
8.1 引言 105
8.2 直觉模糊核聚类算法 106
8.2.1 基于核的直觉模糊欧式距离度量 106
8.2.2 直觉模糊核聚类算法的实现 108
8.2.3 算法复杂度分析 111
8.2.4 实验与分析 111
8.3 基于人工蜂群优化的直觉模糊核聚类算法 117
8.3.1 人工蜂群算法 118
8.3.2 人工蜂群收敛性分析 119
8.3.3 ABC-IFKCM算法的实现 121
8.3.4 算法复杂度分析 122
8.3.5 实验与分析 122
本章小结 128
参考文献 129
第3部分 核匹配追踪理论及目标识别应用
第9章 基于直觉模糊核匹配追踪的弹道目标识别方法 133
9.1 引言 133
9.2 匹配追踪基本理论 134
9.2.1 基本匹配追踪算法及其后拟合算法 134
9.2.2 平方间隔损失函数及其拓展 135
9.2.3 核匹配追踪 135
9.3 直觉模糊核匹配追踪 136
9.3.1 基于平方间隔损失函数的直觉模糊核匹配追踪学习机 136
9.3.2 基于任意损失函数的直觉模糊核匹配追踪学习机 137
9.4 直觉模糊参数选取 138
9.5 仿真实验 138
9.5.1 实际样本高精度识别 138
9.5.2 线性样本高精度识别 140
9.5.3 同心圆样本高精度识别 140
9.5.4 IFKMP算法的时间复杂度 141
9.5.5 对空天目标类别的识别测试 142
本章小结 144
参考文献 144
第10章 基于改进直觉模糊核匹配追踪的弹道目标识别方法 146
10.1 引言 146
10.2 粒子群优化的直觉模糊核匹配追踪算法 147
10.2.1 粒子群优化算法原理 147
10.2.2 PS-IFKMP算法的实现 148
10.2.3 算法复杂度分析 149
10.2.4 算法参数设置 150
10.2.5 实验与分析 150
10.3 基于弱贪婪策略的随机直觉模糊核匹配追踪算法 156
10.3.1 弱贪婪策略理论 156
10.3.2 随机直觉模糊核匹配追踪算法的实现 156
10.3.3 算法复杂度分析 158
10.3.4 实验与分析 158
本章小结 165
参考文献 165
第11章 基于直觉模糊c均值聚类核匹配追踪弹道中段目标识别方法 167
11.1 引言 167
11.2 基于目标函数的直觉模糊c均值聚类算法 168
11.3 基于目标函数的直觉模糊c均值聚类核匹配追踪算法 169
11.4 实验结果与分析 171
11.4.1 Iris样本的IFCM-KMP分类实验 172
11.4.2 IFCM-KMP算法有效性测试 173
11.4.3 IFCM-KMP算法时间复杂度 175
11.5 基于快速核最优变换与聚类中心特征提取方法 176
11.6 基于IFCM-KMP弹道中段目标识别的仿真实验及分析 178
本章小结 180
参考文献 181
第12章 基于直觉模糊核匹配追踪集成的弹道目标识别方法 182
12.1 引言 182
12.2 直觉模糊核匹配追踪集成算法 183
12.2.1 集成学习系统 183
12.2.2 集成直觉模糊核匹配追踪学习机的理论分析 184
12.2.3 基于直觉模糊核匹配追踪集成学习机的实现 186
12.2.4 算法复杂度分析 187
12.2.5 实验与分析 187
12.3 基于混合选择策略的直觉模糊核匹配追踪集成算法 192
12.3.1 算法设计 192
12.3.2 子分类器的生成 193
12.3.3 基于k均值聚类的修剪方法 194
12.3.4 子分类器的动态选择与循环集成 195
12.3.5 实验与分析 197
本章小结 199
参考文献 200
第4部分 改进的目标识别
第13章 基于ECOC核匹配追踪的弹道目标识别方法 202
13.1 引言 202
13.2 基于Hadamard纠错码的核匹配追踪多类分类算法 203
13.2.1 纠错输出编码思想 203
13.2.2 基于ECOC框架的核匹配追踪学习机的理论分析 205
13.2.3 Hadamard纠错码结合核匹配追踪的多类分类算法 206
13.2.4 算法复杂度分析 207
13.2.5 实验与分析 208
13.3 基于免疫克隆选择编码的核匹配追踪多类分类方法 211
13.3.1 免疫克隆选择算法 211
13.3.2 算法设计 212
13.3.3 算法流程 217
13.3.4 算法复杂度分析 218
13.3.5 实验与分析 218
本章小结 222
参考文献 222
致谢 224
|
| 精彩片段： |
|
|
| 书 评： |
|
|
| 其 它： |
|
|
|
中国大学出版社协会 |
首页 |
宏观指导 |
出版社天地 |
图书代办站 |
教材图书信息 |
教材图书评论 |
在线订购 |
教材征订
