特征选择与提取研究与应用PDF|Epub|txt|kindle电子书版本网盘下载

特征选择与提取研究与应用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

1绪论1

1.1研究的目的和意义1

1.2研究现状4

1.3本书的主要内容和章节安排8

2特征选择与提取的内涵与类的可分性判据11

2.1特征的特点11

2.2特征的类别12

2.3特征的形成13

2.4特征选择与提取内涵14

2.5特征选择和提取的作用15

2.6类的可分离性判据15

2.6.1基于距离的可分性判据16

2.6.2基于概率密度函数的可分性判据19

2.6.3基于熵函数的可分性判据20

3特征提取算法分类22

3.1特征提取的分类22

3.2低层特征提取24

3.3高层次特征提取27

4特征选择算法研究31

4.1特征选择问题的构成32

4.1.1搜索起点和方向33

4.1.2搜索策略33

4.1.3特征评估函数34

4.1.4停止准则35

4.2特征选择方法分类35

4.2.1按照搜索策略分类36

4.2.2按特征集合评估准则划分特征选择算法42

4.3遗传算法45

4.3.1运算过程46

4.3.2基本遗传算子46

4.4人工鱼群算法与改进的人工鱼群算法49

4.4.1人工鱼群算法原理49

4.4.2改进的人工鱼群算法50

4.4.3仿真实验及对比分析53

5颜色特征提取方法研究58

5.1颜色的基本特性59

5.2颜色模型60

5.3常用的颜色特征提取方法64

5.3.1基于颜色空间的特征提取64

5.3.2基于颜色直方图的特征提取66

5.3.3颜色矩67

5.3.4颜色集68

5.3.5颜色相关图68

6形状特征提取方法研究70

6.1形状识别概述71

6.2形状识别系统73

6.3常用形状识别方法74

6.4基于傅里叶描述子的形状识别方法76

6.5基于主分量的形状识别78

6.6基于不变矩理论的形状特征提取79

6.7 Hough变换目标形状特征检测82

6.7.1 Hough变换检测直线82

6.7.2 Hough变换检测圆86

6.7.3 Hough变换检测椭圆89

6.7.4广义Hough变换91

6.8链码技术94

6.8.1 Freeman链码94

6.8.2新的链码编码方式95

6.8.3 Freeman直线链码识别96

6.8.4平均链码100

6.8.5 Freeman链码对圆及椭圆的识别101

6.8.6链码和102

6.8.7链码差104

7纹理特征提取方法研究105

7.1纹理的定义及纹理分析105

7.1.1纹理的定义和描述106

7.1.2纹理分析的研究内容108

7.2纹理特征提取算法分类109

7.3统计方法111

7.3.1灰度直方图法111

7.3.2自相关函数法113

7.3.3 He和Wang的纹理谱114

7.3.4灰度游程长度法115

7.3.5灰度共生矩阵纹理分析法117

7.4结构化方法120

7.5模型方法121

7.5.1分形模型121

7.5.2马尔可夫随机场（MRF）模型126

7.6信号处理的方法127

7.6.1基于信号分解的纹理分析方法127

7.6.2优化的信号纹理分析方法128

8马铃薯外部形态特征提取与选择研究134

8.1研究的目的和意义134

8.2国内外研究现状138

8.3研究的主要内容139

8.4马铃薯图像快速获取140

8.4.1 Directshow核心技术141

8.4.2马铃薯外部检测图像提取过程143

8.4.3程序架构144

8.4.4使用DirectShow枚举设备144

8.5马铃薯图像分割算法研究148

8.5.1阈值法的基本原理148

8.5.2三次样条在多阈值分割中的应用153

8.5.3图像分割阈值的确定方法156

8.5.4应用实例及实验效果159

8.6马铃薯大小特征提取161

8.6.1面积特征提取162

8.6.2周长特征提取163

8.6.3体积特征提取169

8.6.4检测结果对比分析174

8.7马铃薯表面缺陷特征提取175

8.7.1曲面面积计算的理论基础176

8.7.2实验过程178

8.7.3结论与讨论180

8.8马铃薯绿皮检测方法研究181

8.8.1颜色特征提取182

8.8.2识别方法186

8.8.3结果与分析191

9种蛋品质检测中特征选择与提取研究193

9.1研究的目的和意义193

9.2国内外研究现状196

9.3研究的主要内容200

9.4系统的硬件构成201

9.5种蛋图像预处理202

9.5.1图像灰度变换202

9.5.2图像平滑处理203

9.5.3种蛋图像分割204

9.5.4种蛋图像边缘检测207

9.6种蛋外部尺寸特征提取209

9.7种蛋重量特征提取213

9.7.1重量-面积线性回归模型214

9.7.2重量-周长线性回归模型216

9.7.3多元线性回归模型218

9.8种蛋表面缺陷特征提取222

9.8.1脏斑血斑特征提取223

9.8.2蛋壳裂纹特征提取225

9.9种蛋性别鉴别234

9.9.1种蛋蛋形指数计算235

9.9.2离散小波变换种蛋边缘特征提取237

9.9.3 BP神经网络设计239

9.9.4网络训练及网络测试240

9.10无精蛋特征提取研究241

9.10.1种蛋蛋边缘轮廓近似椭圆拟合方法242

9.10.2特征计算数学模型244

9.10.3网络训练及网络测试245

10钼靶X光图像乳癌检测中特征选择与提取研究247

10.1研究的目的及意义247

10.2研究现状249

10.3研究的主要内容252

10.4相关智能技术255

10.4.1图像模糊处理255

10.4.2粗糙集262

10.5自适应的模糊图像增强算法270

10.5.1 Russo的基本方法271

10.5.2方法改进273

10.5.3实验结果275

10.6 FCM聚类算法进行图像分割276

10.6.1 FCM聚类算法277

10.6.2基于FCM的信息表构造和区域划分279

10.6.3基于差异度的初始等价关系及相似域划分280

10.6.4图像分割实验281

10.7乳腺特征提取286

10.8粗糙神经分类器288

10.9结果与讨论290

10.9.1评价标准290

10.9.2增强效果讨论293

10.9.3分割结果分析295

10.9.4产生规则的数目和整体精度297

11大豆生长阶段预测中特征选择与提取研究299

11.1实验数据来源及记录方法301

11.2特征参数的选择302

11.3模型的构建303

11.3.1插值法304

11.3.2神经网络模型构建305

11.4结论308

12神经网络与模式识别309

12.1神经网络与模式识别309

12.2神经网络模式识别方法与传统模式识别方法的关系310

12.3神经网络模式识别的特点310

12.4用于模式识别的神经网络模型312

12.5神经网络模式识别系统313

12.6神经网络模式识别的典型方法315

12.6.1多输出型316

12.6.2单输出型316

参考文献319