1 (p1): 第1章 绪论 1 (p2): 1.1 关于测量定义问题的讨论 1 (p3): 1.1.1 传统测量的定义 1 (p4): 1.1.2 测量结果符号化表示的需求背景 3 (p5): 1.1.3 新的测量定义 3 (p6): 1.2 多传感器信息融合技术 3 (p7): 1.2.1 信息融合的定义 4 (p8): 1.2.2 信息融合的3个层次 5 (p9): 1.2.3 信息融合的功能模型及技术实现基础 7 (p10): 1.2.4 多传感器信息融合的特点 8 (p11): 1.3 信息融合的目的及应用领域 8 (p12): 1.3.1 信息融合在军事中的应用 8 (p13): 1.3.2 信息融合在工业中的应用 9 (p14): 1.3.3 信息融合在其他领域中的应用 10 (p15): 1.4 多元统计分析与多元数据图表示法 10 (p16): 1.4.1 多元统计分析 12 (p17): 1.4.2 多元统计主要研究内容 12 (p18): 1.4.3 多元数据图表示法 12 (p19): 1.5 本书的内容与结构 14 (p20): 第2章 信息可视化技术 14 (p21): 2.1 信息可视化的发展历程 15 (p22): 2.2 信息可视化技术概述 17 (p23): 2.2.1 信息可视化的特征 18 (p24): 2.2.2 信息可视化的基本过程及其参考模型 20 (p25): 2.2.3 信息可视化技术分类 22 (p26): 2.3 信息可视化常用方法 23 (p27): 2.3.1 基于几何投影技术 25 (p28): 2.3.2 面向像素技术 26 (p29): 2.3.3 基于图标技术 27 (p30): 2.3.4 基于层次和图形可视化技术 28 (p31): 2.3.5 动态可视化技术 29 (p32): 2.4 信息可视化软件 35 (p33): 2.5 可视化技术的应用 35 (p34): 2.5.1 数字天气预报的可视化 36 (p35): 2.5.2 数字地球与地理信息的可视化 37 (p36): 2.5.3 地质信息的可视化 37 (p37): 2.5.4 医学信息的可视化 38 (p38): 2.5.5 网络信息的可视化 38 (p39): 2.5.6 文本聚类的可视化 40 (p40): 第3章 符号化测量理论 40 (p41): 3.1 符号化测量理论基础 40 (p42): 3.1.1 符号化测量的概念 41 (p43): 3.1.2 符号化测量一般化模型 42 (p44): 3.1.3 符号化表示原理 44 (p45): 3.2 符号信息表示与模糊符号化测量 44 (p46): 3.2.1 测量与模糊符号化测量 46 (p47): 3.2.2 模糊符号化测量的相对性及特点 47 (p48): 3.3 符号化测量的关系树 48 (p49): 3.4 多级映射原理在符号化测量中的应用 48 (p50): 3.4.1 多级映射基本思想 49 (p51): 3.4.2 数学描述 50 (p52): 3.4.3 应用讨论 53 (p53): 第4章 模糊传感器 53 (p54): 4.1 模糊传感器定义及其基本功能 53 (p55): 4.1.1 模糊传感器定义 53 (p56): 4.1.2 模糊传感器基本功能 53 (p57): 4.2 模糊传感器基本结构 53 (p58): 4.2.1 一维模糊传感器结构 54 (p59): 4.2.2 多维模糊传感器结构 55 (p60): 4.3 有导师学习结构的实现 56 (p61): 4.4 模糊传感器语言概念生成方法 57 (p62): 4.4.1 理论基础 58 (p63): 4.4.2 实用概念生成的方法 61 (p64): 4.4.3 经验法 62 (p65): 4.4.4 分段式调参训练算法 63 (p66): 4.5 基于二元对比插值原理的语言概念生成方法 64 (p67): 4.5.1 二元对比排序法 64 (p68): 4.5.2 二元对比插值法 66 (p69):...

duxiu/initial_release/基于多元统计图表示原理的信息融合和模式识别技术_11929746.zip

zlibzh/no-category/洪文学，李昕，徐永红，王金甲，宋佳霖著, Hong Wenxue [and four others] zhu, 洪文学 ... [et al]著, 洪文学, Hong Wen Xue Deng Zhu/基于多元统计图表示原理的信息融合和模式识别技术_42582399.pdf

Based On Multivariate Statistics Graph Theory Of Information Fusion And Pattern Recognition Technology(chinese Edition)

Ji yu duo yuan tong ji tu biao shi yuan li de xin xi rong he he mo shi shi bie ji shu

National Defence Industry Press

Guo fang gong ye chu ban she

Defense Industry Press.

China, People's Republic, China

Di 1 ban, Beijing, China, 2008

Di 1 ban, Beijing Shi, 2008

Bookmarks: p1 (p1): 第1章 绪论
p2 (p1): 1.1 关于测量定义问题的讨论
p3 (p1): 1.1.1 传统测量的定义
p4 (p1): 1.1.2 测量结果符号化表示的需求背景
p5 (p3): 1.1.3 新的测量定义
p6 (p3): 1.2 多传感器信息融合技术
p7 (p3): 1.2.1 信息融合的定义
p8 (p4): 1.2.2 信息融合的3个层次
p9 (p5): 1.2.3 信息融合的功能模型及技术实现基础
p10 (p7): 1.2.4 多传感器信息融合的特点
p11 (p8): 1.3 信息融合的目的及应用领域
p12 (p8): 1.3.1 信息融合在军事中的应用
p13 (p8): 1.3.2 信息融合在工业中的应用
p14 (p9): 1.3.3 信息融合在其他领域中的应用
p15 (p10): 1.4 多元统计分析与多元数据图表示法
p16 (p10): 1.4.1 多元统计分析
p17 (p12): 1.4.2 多元统计主要研究内容
p18 (p12): 1.4.3 多元数据图表示法
p19 (p12): 1.5 本书的内容与结构
p20 (p14): 第2章 信息可视化技术
p21 (p14): 2.1 信息可视化的发展历程
p22 (p15): 2.2 信息可视化技术概述
p23 (p17): 2.2.1 信息可视化的特征
p24 (p18): 2.2.2 信息可视化的基本过程及其参考模型
p25 (p20): 2.2.3 信息可视化技术分类
p26 (p22): 2.3 信息可视化常用方法
p27 (p23): 2.3.1 基于几何投影技术
p28 (p25): 2.3.2 面向像素技术
p29 (p26): 2.3.3 基于图标技术
p30 (p27): 2.3.4 基于层次和图形可视化技术
p31 (p28): 2.3.5 动态可视化技术
p32 (p29): 2.4 信息可视化软件
p33 (p35): 2.5 可视化技术的应用
p34 (p35): 2.5.1 数字天气预报的可视化
p35 (p36): 2.5.2 数字地球与地理信息的可视化
p36 (p37): 2.5.3 地质信息的可视化
p37 (p37): 2.5.4 医学信息的可视化
p38 (p38): 2.5.5 网络信息的可视化
p39 (p38): 2.5.6 文本聚类的可视化
p40 (p40): 第3章 符号化测量理论
p41 (p40): 3.1 符号化测量理论基础
p42 (p40): 3.1.1 符号化测量的概念
p43 (p41): 3.1.2 符号化测量一般化模型
p44 (p42): 3.1.3 符号化表示原理
p45 (p44): 3.2 符号信息表示与模糊符号化测量
p46 (p44): 3.2.1 测量与模糊符号化测量
p47 (p46): 3.2.2 模糊符号化测量的相对性及特点
p48 (p47): 3.3 符号化测量的关系树
p49 (p48): 3.4 多级映射原理在符号化测量中的应用
p50 (p48): 3.4.1 多级映射基本思想
p51 (p49): 3.4.2 数学描述
p52 (p50): 3.4.3 应用讨论
p53 (p53): 第4章 模糊传感器
p54 (p53): 4.1 模糊传感器定义及其基本功能
p55 (p53): 4.1.1 模糊传感器定义
p56 (p53): 4.1.2 模糊传感器基本功能
p57 (p53): 4.2 模糊传感器基本结构
p58 (p53): 4.2.1 一维模糊传感器结构
p59 (p54): 4.2.2 多维模糊传感器结构
p60 (p55): 4.3 有导师学习结构的实现
p61 (p56): 4.4 模糊传感器语言概念生成方法
p62 (p57): 4.4.1 理论基础
p63 (p58): 4.4.2 实用概念生成的方法
p64 (p61): 4.4.3 经验法
p65 (p62): 4.4.4 分段式调参训练算法
p66 (p63): 4.5 基于二元对比插值原理的语言概念生成方法
p67 (p64): 4.5.1 二元对比排序法
p68 (p64): 4.5.2 二元对比插值法
p69 (p66): 4.5.3 应用举例
p70 (p67): 4.6 模糊温度传感器
p71 (p67): 4.6.1 硬件结构
p72 (p68): 4.6.2 数值—符号变换原理
p73 (p69): 4.6.3 有导师学习
p74 (p70): 4.6.4 主程序流程
p75 (p70): 4.7 模糊舒适度传感器
p76 (p70): 4.7.1 舒适度的表达
p77 (p71): 4.7.2 系统结构
p78 (p73): 4.7.3 基于规则的舒适度合成方法
p79 (p75): 4.7.4 基于模糊综合评判的融合法
p80 (p78): 4.8 模糊距离传感器
p81 (p78): 4.8.1 距离、接近觉传感器
p82 (p79): 4.8.2 语义信息处理
p83 (p79): 4.8.3 模糊距离传感器应用
p84 (p81): 4.9 模糊色彩传感器
p85 (p81): 4.9.1 Mauris模糊色彩传感器
p86 (p83): 4.9.2 Cutler-Hammer模糊色彩传感器
p87 (p83): 4.9.3 Benoit模糊色彩传感器
p88 (p86): 4.10 多级映射原理在模糊传感器中的应用
p89 (p86): 4.10.1 多级映射原理
p90 (p88): 4.10.2 多级映射显示方式
p91 (p90): 第5章 多维数据的传统多元统计图表示
p92 (p90): 5.1 轮廓图
p93 (p91): 5.2 雷达图
p94 (p92): 5.3 树形图
p95 (p93): 5.4 三角多项式图
p96 (p95): 5.5 散点图
p97 (p96): 5.5.1 直角散点图
p98 (p96): 5.5.2 散点图矩阵
p99 (p97): 5.5.3 三角形散点图
p100 (p99): 5.6 星座图
p101 (p100): 5.7 脸谱图
p102 (p104): 第6章 多维数据的多元统计图表示数学原理
p103 (p104): 6.1 多维数据的矩阵表示和多维数据的类型
p104 (p104): 6.1.1 多维数据矩阵
p105 (p104): 6.1.2 多维数据类型
p106 (p104): 6.1.3 多维数据预处理
p107 (p105): 6.2 多维数据像素图的多元图表示
p108 (p105): 6.2.1 多维数据像素图
p109 (p106): 6.2.2 像素图的多元图表示
p110 (p107): 6.3 多维数据映射到多元图论域的方法
p111 (p107): 6.3.1 多维数据到多元图论域的映射模型
p112 (p108): 6.3.2 一般化多维数据的信息融合与多元图表示
p113 (p110): 6.3.3 多维数据映射到多元图论域的数学描述
p114 (p111): 6.3.4 基于内积坐标的多元图表示理论和方法
p115 (p115): 第7章 多维数据降维和信息融合方法
p116 (p115): 7.1 主成分分析
p117 (p115): 7.1.1 概述
p118 (p116): 7.1.2 数学模型
p119 (p117): 7.1.3 主成分分析的几何意义
p120 (p118): 7.1.4 计算过程
p121 (p119): 7.1.5 主成分分析的应用条件
p122 (p120): 7.2 因子分析
p123 (p120): 7.2.1 概述
p124 (p121): 7.2.2 因子分析模型
p125 (p122): 7.2.3 模型中的物理意义
p126 (p123): 7.2.4 正交因子模型的几何解释
p127 (p124): 7.2.5 因子模型的估计
p128 (p126): 7.2.6 因子得分
p129 (p128): 7.3 降维的数学描述
p130 (p129): 7.4 基于特征选取思想的高维数据降维方法
p131 (p131): 7.5 基于多级数据分解与融合思想的降维方法
p132 (p132): 7.6 基于谱分析思想的局部信息最大化降维方法
p133 (p134): 7.7 矢量融合降维方法
p134 (p134): 7.7.1 变量融合原理
p135 (p135): 7.7.2 变量顺序的组合
p136 (p136): 7.7.3 矢量融合原理
p137 (p136): 7.7.4 变量加权的矢量融合方法
p138 (p137): 第8章 多维数据的聚类与分类
p139 (p137): 8.1 模式识别系统
p140 (p138): 8.2 贝叶斯分类器
p141 (p143): 8.3 线性分类器
p142 (p144): 8.4 非线性分类器
p143 (p145): 8.5 聚类分析
p144 (p147): 8.6 基于多元图形特征的分类器
p145 (p147): 8.6.1 多元图形状特征增强方法
p146 (p148): 8.6.2 模糊推理分类器
p147 (p149): 8.6.3 人工神经网分类器
p148 (p155): 8.6.4 相似度分类器
p149 (p158): 8.6.5 基于内积图表示的可视化分类器
p150 (p161): 8.6.6 基于多元图图形特征的分类器
p151 (p164): 8.7 基于树形图原理的分类方法
p152 (p164): 8.7.1 基于树形图的系统聚类法的基本思想与树形图生成
p153 (p165): 8.7.2 基于树形图的系统聚类法算法
p154 (p167): 8.7.3 基于树形图的分类方法
p155 (p168): 第9章 平行坐标理论及其应用
p156 (p168): 9.1 平行坐标的基本原理
p157 (p168): 9.1.1 平行坐标的绘制
p158 (p169): 9.1.2 平行坐标的点线对偶
p159 (p170): 9.1.3 平行坐标中的旋转与平移
p160 (p170): 9.1.4 平行坐标的优、缺点
p161 (p171): 9.2 几何图形的平行坐标表示
p162 (p171): 9.2.1 点的平行坐标
p163 (p172): 9.2.2 平面直线的平行坐标
p164 (p173): 9.2.3 圆及三角形的平行坐标
p165 (p174): 9.2.4 三维直线的平行坐标
p166 (p174): 9.2.5 三维平面的平行坐标
p167 (p174): 9.2.6 多维直线的平行坐标
p168 (p176): 9.3 平行坐标与霍夫变换
p169 (p176): 9.3.1 霍夫变换的基本原理
p170 (p177): 9.3.2 霍夫变换的实现方法
p171 (p177): 9.3.3 基于平行坐标的几何形状检测
p172 (p178): 9.4 平行坐标的应用
p173 (p178): 9.4.1 基于平行坐标的飞行碰撞检测
p174 (p179): 9.4.2 利用平行坐标求解最优化问题
p175 (p181): 第10章 诺模图原理及其应用
p176 (p181): 10.1 引言
p177 (p181): 10.2 诺模图的基本原理与方法
p178 (p182): 10.2.1 单线图
p179 (p183): 10.2.2 网络图
p180 (p184): 10.2.3 列线图
p181 (p185): 10.2.4 诺模图的解析改造法
p182 (p187): 10.2.5 组合图
p183 (p189): 10.3 简单贝叶斯诺模图
p184 (p190): 10.4 简单贝叶斯诺模图的应用实例
p185 (p193): 第11章 雷达图及其应用
p186 (p193): 11.1 雷达图表示原理在信息融合及质量评价中的应用
p187 (p193): 11.1.1 基于雷达图表示原理的企业经济效益评价
p188 (p196): 11.1.2 基于雷达图表示原理的银行风险监测
p189 (p198): 11.1.3 基于雷达图表示原理的脑瘫运动功能评价
p190 (p199): 11.1.4 基于雷达图表示原理的土壤质量定性与定量综合评价
p191 (p202): 11.1.5 基于雷达图表示原理的列车舒适度评价
p192 (p204): 11.2 基于雷达图表示原理在模式识别中的应用
p193 (p205): 11.2.1 数据预处理
p194 (p205): 11.2.2 归一化雷达图表示
p195 (p205): 11.2.3 基于模糊推理的运行状态分类
p196 (p207): 第12章 脸谱图及其应用
p197 (p207): 12.1 脸谱图在多传感器数据融合中的应用
p198 (p208): 12.1.1 健康智能家庭研究现状
p199 (p211): 12.1.2 基于非对称脸谱图的健康智能家庭多维多源信息融合
p200 (p213): 12.2 脸谱图在模式识别中的应用
p201 (p213): 12.2.1 基于脸谱图的聚类算法
p202 (p215): 12.2.2 基于脸谱图的分类算法
p203 (p221): 12.3 脸谱图在其他方面的应用
p204 (p221): 12.3.1 基于脸谱图的茉莉花茶品质化学成分的研究
p205 (p223): 12.3.2 脸谱图在沉积物中重金属污染的研究
p206 (p227): 第13章 Lorenz散点图及其应用
p207 (p227): 13.1 作图方法及正常图形
p208 (p227): 13.2 分析方法
p209 (p228): 13.2.1 定性分析
p210 (p229): 13.2.2 定量分析
p211 (p231): 13.3 临床应用
p212 (p231): 13.3.1 评价心率变异性
p213 (p232): 13.3.2 分析室性早搏产生机制
p214 (p233): 13.3.3 确定心房颤动及房室结有效不应期
p215 (p234): 13.3.4 确定心房颤动经旁路传导
p216 (p234): 13.3.5 鉴别房颤时的差异传导与室性早搏
p217 (p235): 13.3.6 预测心脏事件和生命预后的作用
p218 (p237): 13.3.7 评价冠脉病变
p219 (p237): 13.3.8 分析起搏心律
p220 (p239): 13.3.9 脑电信号的Lorenz散点图
p221 (p239): 13.3.10 不同脉象的Lorenz图
p222 (p241): 13.3.11 观察房颤时药物对房室结FRP的影响
p223 (p242): 第14章 星座图及其应用
p224 (p242): 14.1 星座图贴近度方法在近海水质监测优化布点上的应用
p225 (p242): 14.1.1 星座图贴近度优化模型
p226 (p244): 14.1.2 实例分析
p227 (p245): 14.2 应用星座图聚类分析分类豌豆种质资源
p228 (p246): 14.2.1 数据处理
p229 (p248): 14.2.2 结果分析
p230 (p249): 14.3 星座图聚类法改进及其应用实例
p231 (p249): 14.3.1 星座图聚类法改进
p232 (p250): 14.3.2 应用实例
p233 (p252): 14.4 星座图在大气质量评价中的应用
p234 (p252): 14.4.1 星座图的构造
p235 (p253): 14.4.2 优化路径权值的算法
p236 (p255): 14.4.3 星座图用于大气环境监测优化布点的实例
p237 (p256): 14.5 手指脉搏波的星座图分析
p238 (p257): 14.5.1 指脉搏波的形态参数
p239 (p258): 14.5.2 指脉搏波信号的星座图分析
p240 (p259): 14.6 星座图在测井解释中的应用
p241 (p260): 14.6.1 星座图
p242 (p260): 14.6.2 参数选择
p243 (p263): 第15章 基于多元图表示原理的癌症和中医证候诊断方法
p244 (p263): 15.1 血清蛋白质组质谱数据多元图表示与癌症诊断
p245 (p263): 15.1.1 蛋白质组质谱数据预处理
p246 (p263): 15.1.2 蛋白质组质谱数据的低失真降维技术
p247 (p267): 15.1.3 蛋白质组质谱数据的窗信息匹配与多元图处理技术
p248 (p271): 15.2 亚健康中医证候诊断
p249 (p271): 15.2.1 中医诊断原理
p250 (p273): 15.2.2 基于多元图表示原理的递阶、多层次证候诊断一般化概念模型
p251 (p275): 15.2.3 基于六十四证素的证候诊断模型
p252 (p275): 15.2.4 辨证雷达图
p253 (p278): 15.2.5 不同样本诊断实现方法
p254 (p280): 15.2.6 亚健康中医证候诊断实例
p255 (p285): 参考文献

related_files:
filepath:《基于多元统计图表示原理的信息融合和模式识别技术》_11929746.zip — md5:ca4d3aa604b71e457d52153b90d23123 — filesize:30144079
filepath:基于多元统计图表示原理的信息融合和模式识别技术_11929746.zip — md5:15acb4c88a06c0f1b9e068309521ceca — filesize:30202513
filepath:基于多元统计图表示原理的信息融合和模式识别技术_11929746.zip — md5:f7566d89aed3d9797fb655a63fd61046 — filesize:30120276
filepath:基于多元统计图表示原理的信息融合和模式识别技术_11929746.zip — md5:1252d23c0440213956a2df7d801713c9 — filesize:30202513
filepath:基于多元统计图表示原理的信息融合和模式识别技术_11929746.zip — md5:5089d09df6fa63a98a4a5439d2dd6eea — filesize:30132630
filepath:11929746.rar — md5:78f2d38a4bcd02c11dc09ae6fef7a260 — filesize:30145004
filepath:11929746.zip — md5:8b2585969s07792794028bad304ba5df — filesize:30202513
filepath:/读秀/读秀4.0/读秀/4.0/数据库27-2/基于多元统计图表示原理的信息融合和模式识别技术_11929746.zip
filepath:20a/贵州大学C/11C/基于多元统计图表示原理的信息融合和模式识别技术_11929746.zip
filepath:第二部分/200716/BBB‘/83/11929746.zip
filepath:第三部分/BBB‘/83/11929746.zip

Includes bibliographical references (pages 285-290).

Ben shu tao lun le ce liang ding yi he yi ban xing xin xi rong he wen ti, Ke shi hua ji shu, Fu hao hua ce liang li lun he mo hu chuan gan qi, Chan shu le duo wei shu ju chuan tong duo yuan tong ji tu biao shi he duo wei shu ju de duo yuan tu biao shi shu xue yuan li, Duo wei shu ju de jiang wei he xin xi rong he fang fa ji duo wei shu ju de ju lei he fen lei deng

2024-06-13