国产超清无码片内射,东北55熟妇与小伙啪啪

內(nèi)容簡介

　　本書在人工智能框架下，以數(shù)字圖像處理與計算機視覺為應(yīng)用背景介紹了模式識別的概念、原理、方法和典型應(yīng)用。全書共11章，內(nèi)容如下：緒論部分在人工智能的框架下探討了圖像模式識別在智能科學(xué)中的重要意義；第二章和第三章介紹了數(shù)字圖像處理中的像素級圖像特征分析方法和圖像模式識別中常用的局部特征計算方法；第四章到第十一章分別介紹了圖像模式識別中的數(shù)據(jù)降維方法、聚類方法、決策樹分類方法、貝葉斯理論、支持向量機理論、人工神經(jīng)網(wǎng)絡(luò)理論、深度學(xué)習(xí)理論以及運動檢測方法。本書理論與實驗并重，在闡明圖像模式識別基本理論的同時給出了相應(yīng)的實際應(yīng)用實驗分析。同時，以國產(chǎn)機器視覺組態(tài)軟件XAVIS為工具，實現(xiàn)了圖像模式識別的典型方法。本書可作為大專院校自動化、計算機、電氣工程、機電一體化等專業(yè)的研究生教材，也適用于從事人工智能、模式識別、數(shù)字圖像處理、視覺測量、圖像檢測、視覺控制、視覺機器人等系統(tǒng)的研究、設(shè)計和開發(fā)的科研與工程技術(shù)人員參考。

作者簡介

暫缺《圖像模式識別：基于XAVIS組態(tài)軟件》作者簡介

圖書目錄

第1章緒論
1.1 人工智能概述
1.2 數(shù)字圖像處理與計算機視覺
1.3 模式識別
1.4 圖像模式識別
1.5 XAVIS組態(tài)軟件
第2章數(shù)字圖像特征提取
2.1 概述
2.2 圖像的邊緣特征提取
2.3 圖像的邊界鏈碼表示
2.4 圖像的顏色特征
2.5 圖像的幾何特征
2.6 圖像的區(qū)域描述
2.7 圖像的紋理特征
2.8 XAVIS圖像特征提取實例
第3章數(shù)字圖像局部特征分析
3.1 概述
3.2 基于灰度相關(guān)的圖像匹配
3.3 LoG與DoH特征
3.4 SIFT特征及應(yīng)用
3.5 HOG特征及應(yīng)用
3.6 SURF特征及應(yīng)用
3.7 Harr特征及應(yīng)用
3.8 LBP特征及應(yīng)用
3.9 XAVIS圖像局部特征提取及應(yīng)用
第4章圖像模式識別常用的降維方法
4.1 降維方法概述
4.2 主成分分析
4.3 二維主成分分析
4.4 核主成分分析
4.5 Gabor變換特征提取
4.6 SVD及其應(yīng)用
4.7 MDS降維
4.8 Isomap
4.9 基于LLE的圖像濾波
4.10 XAVIS基于特征提取的圖像融合
第5章聚類分析理論
5.1 聚類分析概述
5.2 模糊劃分聚類法
5.3 層次聚類方法
5.4 K-means聚類
5.5 稀疏子空間聚類
5.6 基于EM算法的圖像分割聚類
5.7 XAVIS基于K-means聚類的圖像分割實例
第6章決策樹理論
6.1 概述
6.2ID3 算法
6.3 改進決策樹算法
6.4 分類回歸樹CART
6.5 決策樹算法的應(yīng)用