| 第1篇 基础篇 第1章 形状分析的理论基础 1.1 形状的概念 1.2 用于特征提取的方法论 1.2.1 矩不变法 1.2.2 傅里叶变换 1.2.3 小波变换 1.2.4 分形几何学 1.3 用于特征分类的方法论 1.3.1 贝叶斯决策理论 1.3.2 最小平方误差准则 1.3.3 K近邻法 1.3.4 人工神经网络 1.4 形状识别的典型算法 1.4.1 傅里叶矩不变算子 1.4.2 B样条函数不变性特征目标识别 第2章 形状分析的统计学背景 2.1 统计与识别 2.2 多元总体与样本 2.2.1 多元总体 2.2.2 多元样本 2.3 主分量分析 2.3.1 主分量的概念 2.3.2 主分量分析 2.4 参数估计 2.4.1 最小二乘估计 2.4.2 贝叶斯估计 2.4.3 稳健估计 2.5 多元统计检验 2.5.1 两总体均值向量的假设检验 2.5.2 协方差矩阵的假设检验 第2篇 简单形状的识别与分析 第3章 圆锥曲线的识别 3.1 圆锥曲线识别的背景 3.2 数学基础与算法设计 3.3 实验与分析 3.4 结论 第4章 二维凝胶图像中蛋白点数据的分析与计算 4.1 二维电泳与凝胶图像 4.2 数据拟合与质量控制 4.2.1 求二次拟合曲面 4.2.2 拟合二次曲面的体积计算 4.2.3 数据质量控制 4.3 实验结果 4.4 结论 第3篇 复杂形状的识别 第5章 飞机识别的算法基础 5.1 现有的飞机识别算法 5.2 渐近正态分布理论在飞机识别中的应用 5.2.1 飞机边缘点特征的统计描述 5.2.2 飞机边缘点分布正态性的验证 5.3 高等统 |
内容加载中，请稍后...
商品评论（0条）