模式识别方法研究及应用

论文摘要

模式识别就是让计算机按照一定的识别方法将待识别对象按照一定的类别标准进行分类。模式识别作为人工智能领域的重要分支之一,是一项融合统计学、认知科学和信息科学等多个学科的交叉研究课题,其理论和技术在众多领域得到了成功的应用,因此对模式识别的问题进行深入研究是非常有必要和富有挑战性的。本文在综述了模式识别研究的发展概况后,对目前常用的模式识别方法进行了研究与分析,主要包括统计模式识别、结构模式识别、模糊模式识别、人工神经网络等。对统计模式识别识别中的贝叶斯判别、线性判别、非线性判别以及聚类分析等进行了深入研究。最后针对CPI代表规格品价格走势的特点,选用了统计模式识别中的一些方法对其价格走势中的平稳走势进行了识别。本文的主要研究内容包括：1)对模式识别常用的几种方法进行了研究,这几种方法分别有统计模式识别、结构模式识别、模糊模式识别、人工神经网络模式识别,并对它们各自的主要理论、方法和特点进行了讨论和分析。2)对统计模式识别的常用方法进行了研究分析,主要包括贝叶斯判别方法、线性判别、非线性判别、聚类分析、支持向量机等。并对它们的基本原理进行了深入研究。3)最后利用统计模式识别中建立判别函数的方法,编程实现了对CPI代表规格品价格走势形态中的平稳走势的识别。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题的研究背景及意义
• 1.2 模式识别国内外研究进展
• 1.2.1 国内发展状况
• 1.2.2 国外发展状况
• 1.3 模式识别应用领域
• 1.3.1 文字识别
• 1.3.2 语音识别
• 1.3.3 指纹识别
• 1.3.4 遥感
• 1.3.5 医学诊断
• 1.4 本文的研究内容及结构
• 2 模式识别方法研究
• 2.1 统计模式识别
• 2.1.1 统计模式识别
• 2.1.2 有监督识别方法
• 2.1.3 非监督识别方法
• 2.1.4 统计模式识别的特点
• 2.2 结构模式识别
• 2.2.1 结构模式识别
• 2.2.2 字符串描述
• 2.2.3 图形描述
• 2.2.4 树描述
• 2.2.5 句法分析
• 2.2.6 结构匹配
• 2.2.7 结构模式识别特点
• 2.3 模糊模式识别
• 2.3.1 模糊模式识别
• 2.3.2 隶属度函数
• 2.3.3 模糊特征以及结果的模糊化
• 2.3.4 特征的模糊评价
• 2.3.5 模糊C均值算法及其改进算法
• 2.3.6 模糊模式识别的特点
• 2.4 人工神经网络
• 2.4.1 人工神经网络
• 2.4.2 前馈神经网络
• 2.4.3 感知器
• 2.4.4 Hopfield网络
• 2.4.5 人工神经网络模式识别的特点
• 2.5 小结
• 3 统计模式识别算法研究与应用
• 3.1 贝叶斯判别方法
• 3.1.1 最小错误率贝叶斯决策
• 3.1.2 最小风险贝叶斯决策
• 3.2 线性判别
• 3.2.1 线性判别函数
• 3.2.2 广义线性判别函数
• 3.2.3 线性分类器的设计
• 3.3 Fisher线性判别
• 3.3.1 两类问题Fisher准则
• 3.3.2 广义Fisher准则
• 3.4 非线性判别
• 3.4.1 分段线性判别函数
• 3.4.2 近邻法
• 3.5 K-means算法
• 3.5.1 K-means算法的基本原理
• 3.5.2 K-means算法思想及算法框架
• 3.5.3 K-means算法的特点
• 3.6 支持向量机
• 3.6.1 最优分类面
• 3.6.2 支持向量机
• 3.7 小结
• 4 CPI代表规格品价格走势预警系统的设计与实现
• 4.1 系统主要功能
• 4.2 系统数据库设计
• 4.3 K线形态数据的处理与识别
• 4.4 折线形态数据的处理与识别
• 4.5 小结
• 5 结论
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢