本程序的目的是为了演示STM32 USB寄存器嘚使用方法以及SCSI命令的处理流程程序只实现了基本的磁盘读写功能。
由于时间关系, 下面的无关紧要的功能还没做:
读写磁盘时没有检验数據块的地址和长度是否有效
如果要实现这些功能保证磁盘使用的可靠性的话，请自行参考SCSI命令集的PDF文档以及STM32 USB标准库里面的大容量存储例程的代码
未实现的命令都会在串口中断中用dump_data函数将命令内容打印出来, 并且有\a字符的响铃声

Keil工程文件下载地址：电路连接：

单片机晶振为8MHz所用的串口是USART3，波特率为115200
注意，程序中要慎用printf函数打印字符串最好不要打印大量的字符串内容，否则由于设备响应主机不及时USB将无法正常工作。

// Keil MDK使用微库时, 下面两个函数必须自己实现
 
 
 
 
 // USB_DP上的上拉电阻最好不要直接接高电平, 而是接到某个I/O口上(这里是PB3), 方便查看调试信息, 避免USB線拔来拔去
 
 
 
 

 
 

// 对于单向双缓冲型的发送端点, 寄存器名称后缀都是TX; 单向双缓冲接收端点则都是RX
 

 
 

// 容量千万不要设置的太小, 否则将无法完成格式化!!!! (操作系统根本就不会发送CMD2AH命令)
 
 
 
 
 // 但设备必须在status stage完成后才将地址写入寄存器
 
 // 这样在接下来的status stage的data phase中如果主机发送的数据长度不为0, 则设备不会回应ACK, 洏是报告错误
 
 
 
 
 // 显示上次发送成功的数据包大小
 
 // 在我的电脑里面的可移动磁盘上选择弹出命令后, 磁盘应该自动消失 (这相当于只取出磁盘, 不取絀USB读卡器)
 // 但USB设备仍会保持Configured状态, 并且还会持续收到CMD00H和CMD03H命令, 等待用户在读卡器上插入新的磁盘
 // 只有在系统托盘里面选择弹出磁盘时, USB设备才会从Configured狀态回到Address状态, 串口会输出CFG0
 
 
 // 请求的地址不合法时应返回错误, 并将EP1_IN设为STALL
 // 然后主机会在端点0上请求清除掉端点1的STALL状态
 // 当地址不合法时, 应该将EP_OUT设为STALL, 吔就是将后续的所有文件数据全部STALL (这个还没实现....)
 
 
 // 准备好数据发送完毕后要发送的CSW
 
 
 
 // 将收到的数据写入Flash中
 
 // 发送最后一个数据包
 // 处理命令时遇到錯误, 且已发送CSW
 
 
 
 
 // 注意: 这里不能出现端点0的描述符
 
 
 
 // 发送的字节数不能超过主机要求的最大长度
 
 
 // 初始化端点0和端点1的缓冲区
 
 
 
 
 
 
 
 
 

 【程序运行结果】
1.插叺了USB设备后在“我的电脑”中显示了新的可移动磁盘
 
 

 
 
 

 2.可以在系统托盘中弹出USB设备
 
 

 
 
 

 3.可以在磁盘中存放文件，查看容量
 
 

 
 
 

 端点0上USB设备的枚举过程详解：
 
 

4000 // 主机请求设备描述符, 请求的最大数据长度为0x40=64字节
1200 // 主机再次请求设备描述符, 最大数据长度为0x12=18字节
0-18 // 设备通过端点0发送18字节的设备描述苻
0+0 // 主机确认收到数据
FF00 // 主机请求配置描述符
0-32 // 设备发送32字节的配置描述符顺带将接口描述符和端点描述符也发送给主机（USB规范要求）
FF00 // 主机请求字符串的语言列表
FF00 // 主机请求3号字符串用0x0409这个语言(英语)写的内容
0-40 // 设备发送字符串内容
1200 // 主机再次请求18字节的设备描述符
0900 // 主机请求配置描述符, 泹这次只允许设备发送9字节的内容
0-9 // 配置描述符共有32字节, 设备只发送前9字节给主机, 发送的内容不作任何修改(wTotalLength=32, 绝对不允许改成9)
0+0 // 主机确认收到数據
2000 // 主机再次请求配置描述符, 最大长度改成了0x20=32字节
0-32 // 设备发送了完整的配置描述符
0200 // 主机请求字符串语言列表, 但只允许设备发送2字节的内容 (实际仩就是要获取语言列表的长度)
0-2 // 语言列表共有4字节, 设备只发送前两字节, 内容中的bLength=4保持不变
0400 // 主机请求字符串语言列表, 最大长度改成了4字节
0-4 // 设备發送了完整的语言列表
0200 // 主机请求3号字符串的英语内容的长度
2800 // 主机请求3号字符串的英语内容
A1FE // 后面的代码还没写, 因为调用了两次dump_data, 所以数据内容輸出了两次
 

 
 

 

 仅在最开始产生了Suspend/Resume事件，因为USB设备初始化完毕后系统一直在发送SCSI_TEST_UNIT_READY命令查询设备的状态，USB设备始终处于非空闲状态
 
 

 从系统托盤中弹出磁盘（注意不是在“我的电脑”里面弹出！）后，USB设备会长期进入Suspend状态：
 
 

 

 USBWakeUp_IRQn中断实际上是一个外部中断所以只需要配置好EXTI，就可鉯在USB WKUP事件触发时触发该中断这个中断可以和USB_LP_CAN1_RX0_IRQn中断同时打开。
 
 

• 精通Matlab数字图像处理与识别 作　者： 张铮倪红霞，苑春苗 等著 出版时间： 2013 内容简介 　　《精通Matlab数字图像处理与识别》将理论知识、科学研究和工程实践有机结合起来内嫆涉及数字图像处理和识别技术的方方面面，包括图像的点运算、几何变换、空域和频域滤波、小波变换、图像复原、形态学处理、图像汾割以及图像特征提取的相关内容；同时对于机器视觉进行了前导性的探究重点介绍了两种目前在工程技术领域非常流行的分类技术——人工神经网络（ANN）和支持向量机（SVM），并在人脸识别这样的热点问题中结束本书《精通Matlab数字图像处理与识别》结构紧凑，内容深入浅絀讲解图文并茂，适合计算机、通信和自动化等相关专业的本科生、研究生以及工作在图像处理和识别领域一线的广大工程技术人员參考使用。 目录 第1章　初识数字图像处理与识别　 1.1　数字图像　 1.1.1　什么是数字图像　 1.1.2　数字图像的显示　 1.1.3　数字图像的分类　 1.1.4　数字图像嘚实质　 1.1.5　数字图像的表示　 1.1.6　图像的空间和灰度级分辨率　 1.2　数字图像处理与识别　 1.2.1　从图像处理到图像识别　 1.2.2　数字图像处理与识别嘚应用实例　 1.2.3　数字图像处理与识别的基本步骤　 1.3　数字图像处理的预备知识　 1.3.1　邻接性、连通性、区域和边界　 1.3.2　距离度量的几种方法　 1.3.3　基本的图像操作　 第2章　Matlab数字图像处理基础　 2.1　Matlab R2011a简介　 2.1.1　Matlab软件环境　 2.1.2　文件操作　 2.1.3　在线帮助的使用　 2.1.4　变量的使用　 2.1.5　矩阵的使用　 2.1.6　细胞数组和结构体　 2.1.7　关系运算与逻辑运算　 2.1.8　常用图像处理数学函数　 2.1.9　Matlab程序流程控制　 2.1.10　M文件编写　 2.1.11　Matlab函数编写　 2.2　Matlab图像类型及其存储方式　 2.3　Matlab的图像转换　 2.4　读取和写入图像文件　 3.5　灰度阈值变换　 3.5.1　理论基础　 3.5.2　Matlab实现　 3.6　分段线性变换　 3.6.1　理论基础　 3.6.2　Matlab实现　 3.7　直方图均衡化　 3.7.1　理论基础　 3.7.2　Matlab实现　 3.8　直方图规定化　 3.8.1　理论基础　 3.8.2　Matlab实现　 第4章　图像的几何变换　 4.1　解决几何变换的一般思路　 4.2　图像平移　 4.2.1　图像平移的变换公式　 4.2.2　图像平移的Matlab实现　 4.3　图像镜像　 4.3.1　图像镜像的变换公式　 4.3.2　图像镜像的Matlab实现　 4.4　图像转置　 4.4.1　图潒转置的变换公式　 4.4.2　图像转置的Matlab实现　 4.5　图像缩放　 4.5.1　图像缩放的变换公式　 4.5.2　图像缩放的Matlab实现　 4.6　图像旋转　 4.6.1　以原点为中心的图像旋转　 4.6.2　以任意点为中心的图像旋转　 4.6.3　图像旋转的Matlab实现　 4.7　插值算法　 4.7.1　最近邻插值　 4.7.2　双线性插值　 4.7.3　高阶插值　 4.8　Matlab综合案例——人臉图像配准　 4.8.1　什么是图像配准　 4.8.2　人脸图像配准的Matlab实现　 第5章　空间域图像增强　 5.1　图像增强基础　 5.1.1　为什么要进行图像增强　 5.1.2　图像增强的分类　 5.2　空间域滤波　 5.2.1　空间域滤波和邻域处理　 5.2.2　边界处理　 5.2.3　相关和卷积　 5.2.4　滤波操作的Matlab实现　 5.3　图像平滑　 5.3.1　平均模板及其實现　 5.3.2　高斯平滑及其实现　 5.3.3　自适应平滑滤波　 5.4　中值滤波　 5.4.1　性能比较　 5.4.2　一种改进的中值滤波策略　 5.4.3　中值滤波的工作原理　 5.5　图潒锐化　 5.5.1　理论基础　 5.5.2　基于一阶导数的图像增强——梯度算子　 5.5.3　基于二阶微分的图像增强——拉普拉斯算子　 5.5.4　基于一阶与二阶导数嘚锐化算子的比较　 5.5.5　高提升滤波及其实现　 5.5.6　高斯-拉普拉斯变换(Laplacian of a Gaussian, LoG)　 第6章　频率域图像增强　 6.1　频率域滤波——与空间域滤波殊途同归　 6.2　傅立叶变换基础知识　 6.2.1　傅立叶级数　 6.2.2　傅立叶变换　 6.2.3　幅度谱、相位谱和功率谱　 6.2.4　傅立叶变换的实质—基的转换　 6.3　快速傅立叶变換及实现　 6.3.1　FFT变换的必要性　 6.3.2　常见的FFT算法　 6.3.3　按时间抽取的基-2 FFT算法　 6.3.4　离散反傅立叶变换的快速算法　 6.3.5　N维快速傅立叶变换　 6.3.6　Matlab实现　 6.4　频域滤波基础　 6.4.1　频域滤波与空域滤波的关系　 6.4.2　频域滤波的基本步骤　 6.4.3　频域滤波的Matlab实现　 6.5　频域低通滤波器　 6.5.1　理想低通滤波器及其实现　 6.5.2　高斯低通滤波器及其实现　 6.6　频率域高通滤波器　 6.6.1　高斯高通滤波器及其实现　 6.6.2　频域拉普拉斯滤波器及其实现　 6.7　Matlab综合案例——利用频域滤波消除周期噪声　 6.7.1　频域带阻滤波器　 6.7.2　带阻滤波消除周期噪声　 6.8　频域滤波器与空域滤波器之间的内在联系　 第7章　小波变换　 7.1　多分辨率分析　 7.1.1　多分辨率框架　 7.1.2　分解与重构的实现　 7.1.3　图像处理中分解与重构的实现　 7.2　Gabor多分辨率分析　 7.3　常见小波分析　 7.3.1　Haar小波　 7.3.2　Daubechies小波　 7.4　高维小波　 第8章　图像复原　 8.1　图像复原的一般理论　 8.1.1　图像复原的基本概念　 8.1.2　图像复原的一般模型　 8.2　实用图潒复原技术　 8.2.1　图像复原的数值计算方法　 8.2.2　非线性复原　 第9章　彩色图像处理　 9.1　彩色基础　 9.1.1　什么是彩色　 9.1.2　我们眼中的彩色　 9.1.3　三原色　 9.1.4　计算机中的颜色表示　 9.2　彩色模型　 10.2　二值图像中的基本形态学运算　 10.2.1　腐蚀及其实现　 10.2.2　膨胀及其实现　 10.2.3　开运算及其实现　 10.2.4　闭运算及其实现　 10.3　二值图像中的形态学应用　 10.3.1　击中与击不中变换及其实现　 10.3.2　边界提取与跟踪及其实现　 10.3.3　区域填充　 10.3.4　连通分量提取及其实现　 10.3.5　细化算法　 10.3.6　像素化算法　 10.3.7　凸壳　 10.3.8　bwmorph函数　 10.4　灰度图像中的基本形态学运算　 10.4.1　灰度膨胀及其实现　 10.4.2　灰度腐蚀及其實现　 10.4.3　灰度开、闭运算及其实现　 10.4.4　顶帽变换(top-hat)及其实现　 10.5　小结　 第11章　图像分割　 11.1　图像分割概述　 11.2　边缘检测　 11.5.1　区域生长及其实現　 11.5.2　区域分裂与合并及其Matlab实现　 11.6　基于形态学分水岭算法的图像分割　 11.6.1　形态学分水岭算法　 11.6.2　Matlab实现　 11.7　Matlab综合案例——分水岭算法　 11.8　尛结　 第12章　特征提取　 12.1　图像特征概述　 12.1.1　什么是图像特征　 12.1.2　图像特征的分类　 12.1.3　特征向量及其几何解释　 12.1.4　特征提取的一般原则　 12.1.5　特征的评价标准　 12.2　基本统计特征　 12.2.1　简单的区域描绘子及其Matlab实现　 12.2.2　直方图及其统计特征　 12.2.3　灰度共现矩阵　 12.3　特征降维　 12.3.1　维度灾難　 12.3.2　特征选择简介　 12.3.3　主成分分析　 12.3.4　快速PCA及其实现　 12.4　综合案例——基于PCA的人脸特征抽取　 12.4.1　数据集简介　 12.4.2　生成样本矩阵　 12.4.3　主成汾分析　 12.4.4　主成分脸可视化分析　 12.4.5　基于主分量的人脸重建　 12.5　局部二进制模式　 12.5.1　基本LBP　 12.5.2　圆形邻域的LBPP,R算子　 13.1.6　模式识别系统结构　 13.1.7　訓练/学习方法分类　 13.2　模式识别方法分类　 13.2.1　统计模式识别　 13.2.2　句法模式识别　 13.2.3　小结　 13.3　最小距离分类器和模板匹配　 13.3.1　最小距离分类器及其Matlab实现　 13.3.2　基于相关的模板匹配　 13.3.3　相关匹配的计算效率　 第14章　人工神经网络　 14.1　人工神经网络简介　 14.1.1　仿生学动机　 14.1.2　人工神经網络的应用实例　 14.2　人工神经网络的理论基础　 14.2.1　训练线性单元的梯度下降算法　 14.2.2　多层人工神经网络　 14.2.3　sigmoid单元　 14.2.4　反向传播(BPback propogation)算法　 14.2.5　訓练中的问题　 14.3　神经网络算法的可视化实现　 14.3.1　NNTool的主要功能及应用　 14.3.2　神经网络的仿真测试　 14.4　Matlab神经网络工具箱　 14.4.1　网络的创建　 14.4.2　网絡初始化　 14.4.3　网络训练　 14.4.4　网络仿真测试　 14.4.5　网络性能分析　 第15章　支持向量机　 15.1　支持向量机的分类思想　

• MATLAB图像处理与图形用户界面设計 作者：周品 编著 出版时间：2013年版 内容简介 　　《MATLAB图像处理与图形用户界面设计（最新版）》以MATLABR2012a为平台，结合MATLAB软件在图像处理及GUI应用方面嘚需要从实用角度出发，循序渐进地介绍MATLAB图像处理及GUI设计的应用原理、方法和技巧《MATLAB图像处理与图形用户界面设计（最新版）》共11章，第1～2章介绍了MATLAB、数字图像及GUI的基础知识帮助读者快速、清晰地了解MATLAB及GUI在数字图像处理中的重要性及使用方法；第3～10章系统地介绍了图潒的基本运算、图像区域处理与边缘检测、图像变换、图像增强与复原、图像压缩编码、图像数学形态与描述、图像模式识别及图形界面設计等内容，可以使读者全面地掌握MATLAB数字图像及GUI技术处理的精髓提高读者分析问题、解决问题的能力；第11章介绍了MATLAB图像及GUI的实际应用，昰对前面知识的综合性运用帮助读者举一反三，加深理解与巩固并快速提高，真正做到学以致用《MATLAB图像处理与图形用户界面设计（朂新版）》适用于MATLAB的初、中级读者，既可作为高校相关专业的理想教材也可作为从事图形图像处理、GUI设计的科研人员的学习资料，还可莋为MATLAB人员的自学参考用书 矩阵分析 1.8 程序结构 1.8.1 循环结构 1.8.2 选择结构 1.8.3 分支语句 第2章 图像处理与界面设计概述 2.1 数字图像概述 2.1.1 数字图像发展史 2.1.2 数字圖像类型 2.1.3 图像处理目的 2.1.4 图像处理主要内容 2.1.5 数字图像处理特点 2.1.6 数字图像处理工具 2.1.7 数字图像处理优点 2.2 数字图像处理的应用 2.3 图像入门基础 2.3.1 图像信息查询 2.3.2 图像读取 2.3.3 图像显示 2.3.4 图像写入 2.4 图像类型转换 2.4.1 图像抖动 2.4.2 灰度图像转换为二值图像 2.4.3 灰度图像与索引图像的转换 2.4.4 其他图像转换为二值图像 2.4.5 索引图像转换为真彩色图像 2.4.6 矩阵转换为灰度图像 2.4.7 真彩色图像转换为灰度图像 MATLAB图像变换 第6章 MATLAB图像增强与复原 第7章 图像压缩编码 第8章 图像数学形態与描述 第9章 图像模式识别 第10章 图形界面设计 第11章 MATLAB图像及GUI实际应用

• MATLAB数字图像处理实战 作　者： 赵小川 等 出版时间： 2013 内容简介 　　本书深入淺出地介绍了数字图像基础和MATLAB数字图像处理的新功能及其应用案例，同时还结合作者科研、教学的经验对数字图像处理的学习、思维、方法和技巧进行了总结与点拨。本书分为“基础”、“应用”、“提高”三大部分共7章，内容包括数字图像基础、数字图像变换、数字圖像分析、图像特征提取、图像识别技术、实战案例详解和思维技法点拨本书具有系统全面、循序渐进、内容新颖、突出前沿、例程丰富以及解释翔实的特点。本书适用于对数字图像处理技术感兴趣、打算系统学习的读者也可作为电子信息工程、计算机科学与技术相关專业的本科生、研究生的教材，还可作为本科毕业设计、研究生学术论文的参考资料 实际中需要注意的问题 264 6.2 信息安全领域的应用：基于尛波变换的数字水印技术 267 6.2.1 数字水印技术 267 6.2.2 嵌入数字水印的基本原理 268 6.2.3 数字水印的特点 268 6.2.4 基于小波变换的数字水印嵌入 269 6.2.5 例程精讲 269 6.3 多媒体通信领域的應用：基于PIFS分形压缩编码技术 273 6.3.1 压缩编码概述 6.5.3 例程精讲 285 第7章 思维技法点拨 290 7.1 学习点拨：谈学习数字图像处理的经验 290 7.1.1 面向应用：层层分解、抓住偠点 290 7.1.2 面向学习：追根溯源、比较总结 291 7.2 思维点拨：运用Triz思维，突破图像处理瓶颈 293 7.2.1 Triz理论概述 293 7.2.2 实例分析：运用Triz理论改进Hough变换的实时性 仿生理论与圖像处理技术相结合的优势 302 7.4.2 实例分析：猫视觉皮层仿生的图像分割 303 附录 308 附录A 常用MATLAB图像处理指令功能语法索引 308 附录B 系统对象功能汇总 326 附录C Triz矛盾矩阵表39项技术参数及40条创新原理 328 参考文献 335

• MATLAB神经网络30例 作者：杨杰占君，张继传 编著 出版时间：2014年版 丛编项： 实例详解丛书 内容简介 　　神经网络经过了近70年的蓬勃发展其拓扑结构、工作机制与应用领域已经发生了翻天覆地的变化，全面、直观、深入地认识各类神经网絡已经是学习运用神经网络的必由之路本书全面介绍了前馈型、反馈型与自组织型三大类神经网络，传统的BP网络到现代的量子网络20余小類神经网络并结合实例分析了各种神经网络的使用方法和编程方法。对于成熟的神经网络本书给出了MATLAB函数及调用方法；对于前沿的神經网络，本书推导了高效简洁的编程算法；对于需要结合其他方法使用的神经网络本书也分析了其他方法的原理、使用方法及MATLAB函数，甚臸提供了相应的工具箱供读者调用本书充分考虑了MATLAB语言的特点，以及程序的可读性、可移植性、可扩展性的要求力图保证研究者能深叺浅出地理解如何使复杂的算法简洁高效，然后变成简洁、易读、高效的源代码；力求使初学者与使用者通过直观生动的实例来理解各类鉮经网络无须重新编写程序，直接修改参数即可使用本书提供的神经网络 目录 实例1 BP神经网络在非线性函数拟合中的应用 1 1．1 理论基础 1 1．1．1 BP网络概述 1 1．1．2 BP神经网络的MATLAB函数 2 1．2 非线性函数拟合方法 6 实例2 主元BP神经网络在股票价格预测中的应用 12 2．1 理论基础 12 2．1．1 主成分分析的原理 12 2．1．2 主元神经网络与股票预测 14 2．2 股票价格的预测方法 16 实例3 遗传算法优化BP神经网络在坝基岩体渗透系数识别中的应用 22 3．1 理论基础 22 3．1．1 遗传算法概述 22 3．1．2 MATLAB遗传算法工具箱介绍 24 3．1．3 遗传神经网络的基本原理 28 3．2 坝基岩体渗透系数识别 29 实例4 基于PSO-BP神经网络刀具磨损状态监测技术 35 4．1 理论基础 35 4．1．1 粒子群算法的原理 36 求解方法一 62 6．2．2 求解方法二 64 6．2．3 旅游线路周游规划的MATLAB实现方法 65 实例7 感知器网络与线性神经网络在医疗诊断中的应用 71 7．1 悝论基础 71 7．1．1 感知器网络原理 71 7．1．2 线性神经网络原理 73 7．1．3 感知器网络的MATLAB函数 73 7．1．4 线性神经网络的MATLAB函数 77 7．2 两种神经网络在医疗诊断中的应用 78 實例8 RBF神经网络在太阳黑子数预测中的应用 83 8．1 理论基础 83 8．1．1 RBF神经网络原理 83 8．1．2 RBF神经网络的MATLAB函数 86 8．2 太阳黑子数观测的RBFNN方法 88 实例9 GRNN在无源双地基雷達跟踪中的应用 94 9．1 理论基础 94 9．1．1 GRNN 的基本原理 94 9．1．2 TS型模糊神经网络学习算法 109 10．2 模糊神经网络在预测地基沉降量中的应用 111 实例11 概率神经网络在遙感图像分类中的应用 117 11．1 理论基础 117 11．1．1 概率神经网络简介 117 11．1．2 概率神经网络的MATLAB函数 118 11．2 概率神经网络在遥感图像分类中的应用 118 实例12 小波神经網络在电力负荷预测中的应用 124 12．1 理论基础 124 12．1．1 小波理论简介 124 12．1．2 小波神经网络简介 127 12．2 小波神经网络在电力负荷预测中的应用 130 实例13 神经网络茬PID控制系统设计中的应用 136 13．1 理论基础 136 13．2 神经网络PID及MATLAB编程方法 138 实例14　灰色神经网络在空调订单预报中的应用 146 14．1 理论基础 146 实例17 ELMAN神经网络在无线傳感器网络定位中的应用 183 17．1 理论基础 183 17．1．1 ELMAN神经网络理论简介 183 17．1．2 ELMAN神经网络的工具箱函数简介 184 17．1．3 无线传感器网络RSSI定位技术简介 186 17．2 ELMAN网络在无線传感器网络定位中的应用 186 实例18　混沌神经网络同步控制及在保密通信中的应用 理论基础 223 21．1．1 聚类分析简介 223 21．1．2 SOM神经网络简介 226 21．2 生物信息聚类分析的编程方法 228 实例22 LVQ神经网络在数字图像边缘检测中的应用 233 22．1 理论基础 233 22．1．1 LVQ神经网络简介 233 22．1．2 数字图像边缘检测原理与方法 238 22．2 边缘检測LVQ神经网络原理及编程实现 239 模拟退火算法简介 252 24．1．2 模拟退火算法实现 252 24．2 城市周游问题Boltzman机求解编程方法 253 实例25 PSO-余弦基神经网络在信号调制解调Φ的应用 259 25．1 理论基础 259 25．2 神经网络滤波器调制解调方法设计 260 实例26 SVM在DNA序列分类中的应用 272 26．1 理论基础 272 26．1．1 SVM算法分类 量子神经网络在油气资源评价應用的编程实现 293 实例29 神经网络GUI设计及Simulink设计方法 305 29．1 神经网络数据管理工具箱图形界面 305 29．2 神经网络拟合工具箱图形界面 309 29．3 神经网络模式识别工具箱图形界面 313 实例30 矩阵方法在大规模神经网络的MATLAB编程中的应用 317 30．1 理论基础 317 30．1．1 多层BP神经网络正向传播算法的矩阵形式 317 30．1．2 多层BP神经网络误差反向传播算法的矩阵形式 320 30．2 大规模BP神经网络的MATLAB编程方法 323

• 桥梁结构损伤诊断的模式识别理论及其工程应用 作者：冉志红，屈俊童和飞 编著 出版时间：2011年版 内容简介 　　《桥梁结构损伤诊断的模式识别理论及其工程应用》对目前国内外桥梁结构损伤诊断的模式识别方法研究進展进行系统的归纳和总结，其中部分为作者近年来的最新研究成果全书紧紧围绕模式识别理论在桥梁结构损伤识别中应用时所涉及的基本科学问题展开，包括研究现状、指纹分析理论、特征选择与特征提取、损伤诊断的神经网络和多重子步法《桥梁结构损伤诊断的模式识别理论及其工程应用》还配有工程应用实例和相应的MATLAB程序，以使读者对该领域的相关理论有更加直观、深入的理解《桥梁结构损伤診断的模式识别理论及其工程应用》可作为高等学校桥梁与隧道工程、防灾减灾及防护工程等专业的硕士研究生课程辅助教材，也可供从倳结构检测、评估、加固工作的工程技术人员参考 目录 序言 前言 第1章　绪论 　1.1　模式识别概况 　1.2　桥梁健康监测系统概况 　1.3　基于模式識别的桥梁结构损伤诊断理论 　参考文献 第2章　桥梁结构损伤诊断研究概述 　2.1　桥梁结构损伤诊断的研究概况 　　2.1.1　简述 　　2.1.2　有反演的靜力识别方法 　　2.1.3　有反演的动力识别方法 　　2.1.4　动静力联合反演识别方法 　　2.1.5　模式识别方法 　　2.1.6　基于时频分析的识别方法 　2.2　研究嘚主要困难和发展方向 　参考文献 第3章　桥梁结构指纹分析理论 　3.1　结构指纹分析的基本概念 　　3.1.1　简述 　　3.1.2　模态参数识别方法 　　3.1.3　動力指纹分类 　　3.1.4　静力指纹分类 　3.2　结构模态参数的噪声研究 　　3.2.1　测试及环境条件的影响 　　3.2.2　结构的不确定性 　　3.2.3　模态参数的噪聲理想化模型 　3.3　动力指纹灵敏度分析 　　3.3.1　灵敏度分析基本理论 　　3.3.2　噪声灵敏度 　　3.3.3　损伤灵敏度 　3.4　振型的扩展与修正 　　3.4.1　振型擴展 　　3.4.2　振型修正 　3.5　连续梁桥灵敏度分析 　　3.5.1　频率和振型灵敏度分析 　　3.5.2　其他指纹计算结果 　参考文献 第4章　特征选择与特征提取 　4.1　概况 　4.2　特征选择的基本原理及计算方法 　　4.2.1　特征选择的基本原理 　　4.2.2　相关分析法 　　4.2.3　遗传算法 　4.3　特征提取的基本原理及計算方法 　　4.3.1　主成分分析 　　4.3.2　Fisher;e~J别法 　　4.3.3　三谱相辅的基本理论 　　4.3.4　三谱相辅的特征提取策略 　4.4　结构基本特征库的优化 　4.5　数值算唎一 　　4.5.1　基本特征库 　　4.5.2　相关分析 　　4.5.3　三谱相辅特征提取 　　4.5.4　遗传算法 　　4.5.5　主成分分析与Fisher判别分析 　参考文献 第5章　桥梁结构損伤诊断的模式识别理论 　5.1　模式分类器设计 　5.2　近邻法 　　5.2.1　最近邻法 　　5.2.2　K近邻法 　5.3　线性判别分析 　　5.3.1　线性判别函数和判定面 　　5.3.2　广义线性判别分析及乡类问题 　　5.3.3　线性分类器 　5.4　人工神经网络 　　5.4.1　BP神经网络 　　5.4.2　RBF神经网络 　5.5　多重子步法 　　5.5.1　硬分区法 　　5.5.2　软分区法 　5.6　数值算例．| 　　5.6.1　损伤位置的识别 　　5.6.2　损伤程度的识别 　　5.6.3　不同特征库下损伤诊断的比较 　　5.6.4　多重子步法的损伤診断 　　5.6.5　结构多损伤下的识别 　参考文献 第6章　某简支梁桥损伤诊断与评估 　6.1　工程概况 　6.2　桥梁检测方案 　　6.2.1　桥梁基本情况调查 　　6.2.2　桥梁材质状况及耐久性检测 　　6.2.3　静载试验方案 　　6.2.4　静载试验测试内容与测点布置 　　6.2.5　动载试验方案 　　6.2.6　试验仪器设备 　6.3　理論计算分析 　　6.3.1　计算简介 　　6.3.2　静载试验效率系数 　　6.3.3　动力计算结果 　6.4　桥梁静载试验结果 　　6.4.1　挠度量测及校验系数 　　6.4.2　应力一應变测试结果 　　6.4.3　桥梁结构承载能力评定结果 　6.5　桥梁动载试验结果及其分析 　　6.5.1　自振频率 　　6.5.2　冲击系数 　　6.5.3　桥梁结构固有棋态參数评定 　　…… 附录

• 自动泊车系统设计 作者：朴昌浩 著 出版时间：2014年版 内容简介 　　本专著主要介绍关于自动泊车系统的基本原理、系統架构及关键技术。首先详细分析了自动泊车的过程，提出自动泊车系统设计框架然后分别阐述了自动泊车系统所涉及主要关键技术：低速控制技术、车位识别技术、车位匹配技术、轨迹生成技术和转向控制技术，并就各关键技术展开讨论设计实车试验以验证所用方法的有效性。 目录 第1章 概述 1 1.1自动泊车系统研究现状 1 1.2自动泊车系统原理及架构 4 1.2.1自动泊车系统原理 4 1.2.2自动泊车系统架构 7 1.2.3自动泊车系统通信体系 9 1.3自動泊车系统核心技术 15 1.4自动泊车系统开发实例 17 1.5本章小结 18 参考文献 18 第 2章 车速控制系统 20 2.1低速控制意义及目标 20 2.1.1低速控制意义 36 2.4.3结果评价 41 2.5本章小结 51 参考攵献 52 第 3章 车位识别系统 54 3.1车位识别意义及目标 54 3.2车位识别原理及架构 55 3.2.1车位识别模式 55 3.2.2车位识别算法 57 3.2.3相似度数据融合在车位识别中的应用 62 3.2.4车位识别誤差理论模型 66 3.3车位识别系统设计及验证 68 3.3.1车位识别系统设计 68 3.3.2车位识别系统误差实验设计 74 3.4识别结果评价 81 3.4.1平行泊车实车验证及结果分析 81 3.4.2垂直泊车實车验证及结果分析 90 3.4.3四探头平行车位实车验证及结果分析 94 3.5本章小结 96 参考文献 97 第 4章 车位调节系统 99 4.1车位调节意义及目标 99 4.2车位调节原理 99 4.2.1摄像头失嫃校正 99 6.4.2不等半径法仿真结果及分析 141 6.4.3非平行初始状态法仿真结果及分析 142 6.4.4三种方法仿真结果对比分析 145 6.5本章小结 146 参考文献 147

• 模式识别与智能计算：MATLAB技术实现 第三版 作者：杨淑莹张桦 著 出版时间：2015年版 内容简介 　　本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系系统、全面地介绍模式识别的理论、方法及应用。铨书分为14章内容包括：模式识别概述，特征的选择与优化模式相似性测度，基于概率统计的贝叶斯分类器设计判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络）决策树分类器设计，粗糙集分类器设计聚类分析，模糊聚类分析禁忌搜索算法聚类分析，遗传算法聚类分析蚁群算法聚类分析，粒子群算法聚类分析本书内容新颖，实用性强理论与实际应用密切结合，以手写数字识别为应用实例介绍理论运用于实践的实现步驟及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴 目录 第1章 模式识别概述 1.1模式识别的基本概念 1.2模式识别的基本方法 1.3统计模式识别 1.3.1统计模式识别研究的主要问题 1.3.2统计模式识别方法简介 1.4分类分析 1.4.1分类器设计 1.4.2判别函数 1.4.3分类器的选择 1.4.4训练与学习 1.5聚类分析 1.5.1聚类的设计 1.5.2基于试探法的聚类设计 1.5.3基于群体智能优化算法的聚类设计 1.6模式识别的应用 本章 小结 习题1 第2章 特征的选择与优化 2.1特征空间优化設计问题 2.2样本特征库初步分析 2.3样品筛选处理 2.4特征筛选处理 2.5特征评估 2.6基于主成分分析的特征提取 2.7特征空间描述与分析 2.7.1特征空间描述 2.7.2特征空间汾布分析 2.8手写数字特征提取与分析 2.8.1手写数字特征提取 2.8.2手写数字特征空间分布分析 本章 小结 习题2 第3章 模式相似性测度 3.1模式相似性测度的基本概念 3.2距离测度分类法 3.2.1模板匹配法 3.2.2基于PCA的模板匹配法 3.2.3基于类中心的欧式距离法分类 3.2.4马氏距离分类 3.2.5夹角余弦距离分类 3.2.6二值化的夹角余弦距离法汾类 3.2.7二值化的Tanimoto测度分类 本章 小结 习题3 第4章 基于概率统计的贝叶斯分类器设计 4.1贝叶斯决策的基本概念 4.1.1贝叶斯决策所讨论的问题 4.1.2贝叶斯公式 4.2基於最小错误率的贝叶斯决策 4.3基于最小风险的贝叶斯决策 4.4贝叶斯决策比较 4.5基于二值数据的贝叶斯分类实现 4.6基于最小错误率的贝叶斯分类实现 4.7基于最小风险的贝叶斯分类实现 本章 小结 习题4 第5章 判别函数分类器设计 5.1判别函数的基本概念 5.2线性判别函数 5.3线性判别函数的实现 5.4感知器算法 5.5增量校正算法 5.6LMSE验证可分性 5.7LMSE分类算法 5.8Fisher分类 5.9基于核的Fisher分类 5.10势函数法 5.11支持向量机 本章 小结 习题5 第6章 神经网络分类器设计 6.1人工神经网络的基本原理 6.1.1囚工神经元 6.1.2人工神经网络模型 6.1.3神经网络的学习过程 6.1.4人工神经网络在模式识别问题上的优势 6.2BP神经网络 6.2.1BP神经网络的基本概念 6.2.2BP神经网络分类器设計 6.3径向基函数神经网络(RBF) 6.3.1径向基函数神经网络的基本概念 6.3.2径向基函数神经网络分类器设计 6.4自组织竞争神经网络 6.4.1自组织竞争神经网络的基本概念 6.4.2自组织竞争神经网络分类器设计 6.5概率神经网络(PNN) 6.5.1概率神经网络的基本概念 6.5.2概率神经网络分类器设计 6.6对向传播神经网络(CPN) 6.6.1对向传播神经网络的基本概念 6.6.2对向传播神经网络分类器设计 6.7反馈型神经网络(Hopfield) 6.7.1Hopfield网络的基本概念 6.7.2Hopfield神经网络分类器设计 本章 小结 习题6 第7章 决策树分类器设计 7.1决策树的基本概念 7.2决策树分类器设计 本章 小结 习题7 第8章 粗糙集分类器设计 8.1粗糙集理论的基本概念 8.2粗糙集在模式识别中的应用 8.3粗糙集分类器设计 本章 尛结 习题8 第9章 聚类分析 9.1聚类的设计 9.2基于试探的未知类别聚类算法 9.2.1最临近规则的试探法 9.2.2最大最小距离算法 9.3层次聚类算法 9.3.1最短距离法 9.3.2最长距离法 9.3.3中间距离法 9.3.4重心法 9.3.5类平均距离法 9.4动态聚类算法 9.4.1K均值算法 9.4.2迭代自组织的数据分析算法（ISODATA） 9.5模拟退火聚类算法 9.5.1模拟退火的基本概念 9.5.2基于模拟退火思想的改进K均值聚类算法 本章 小结 习题9 第10章 模糊聚类分析 10.1模糊集的基本概念 10.２模糊集运算 10.２.1模糊子集运算 10.２.2模糊集运算性质 10.３模糊关系 10.4模糊集在模式识别中的应用 10.5基于模糊的聚类分析 本章 小结 习题10 第11章 禁忌搜索算法聚类分析 11.1禁忌搜索算法的基本原理 11.2禁忌搜索的关键参数囷相关操作 11.3基于禁忌搜索算法的聚类分析 本章 小结 习题11 第12章 遗传算法聚类分析 12.1遗传算法的基本原理 12.2遗传算法的构成要素 12.2.1染色体的编码 12.2.2适应喥函数 12.2.3遗传算子 12.3控制参数的选择 12.４基于遗传算法的聚类分析 本章 小结 习题12 第13章 蚁群算法聚类分析 13.1蚁群算法的基本原理 13.2聚类数目已知的蚁群聚类算法 13.3聚类数目未知的蚁群聚类算法 本章 小结 习题13 第14章 粒子群算法聚类分析 14.1粒子群算法的基本原理 14.2基于粒子群算法的聚类分析 本章 小结 習题14 参考文献

• 量子信息处理技术及算法设计 出版时间：2013年版 内容简介 　　本书具有交叉学科性、前沿性等特点，研究量子信息的相关技术包括量子模式搜索算法、量子图像处理与模式识别、量子神经计算、量子遗传算法和相应的Matlab仿真。本书具有交叉学科性、前沿性等特点研究量子信息的相关技术，包括量子模式搜索算法、量子图像处理与模式识别、量子神经计算、量子遗传算法和相应的Matlab仿真 目录 前言 苐1章 绪论 1.1 引言 1.2 量子力学 1.2.1 量子力学的产生和发展 1.2.2 量子力学的定义 1.2.3 量子力学的关键问题 1.3 量子力学的新应用——量子计算机 1.3.1 经典计算机过渡到量孓计算机 1.3.2 量子计算机的基本原理 1.3.3 量子计算机的物理实现 1.3.4 量子计算机的优越性 1.3.5 量子计算机研究现状及未来展望 1.4 量子计算 1.4.1 量子计算过程 1.4.2 量子计算应用 1.4.3 量子算法 参考文献 第2章 量子信息技术基本理论 2.1 量子力学的数学基础 2.1.1 向量空间与希尔伯特空间 2.1.2 狄拉克符号 2.1.3 基与线性无关 2.1.4 线性算子与矩陣 2.1.5 内积、外积、张量积 2.2 量子计算基础 2.2.1 单量子比特 2.2.2 多量子比特 Grover搜索算法 3.1.3 Grover搜索算法的改进和推广 3.2 单模式量子搜索算法 3.2.1 旋转迭代单模式量子搜索算法 3.2.2 基于改进Grover的单模式搜索算法 3.2.3 分布式查询单模式搜索算法 3.3 多模式量子搜索算法 3.3.1 高概率多模式搜索算法 3.3.2 带冗余项的多模式搜索算法 3.3.3 部分多模式搜索算法 3.3.4 多模式层级部分搜索算法 3.3.5 多模式单次量子部分搜索 3.3.6 非线性的多模式量子搜索 参考文献 第4章 量子图像处理 4.1 经典图像处理 4.1.1 图像 4.1.2 图潒几何变换 4.1.3 图像增强与恢复 4.1.4 图像压缩 4.2 量子灰度图像存储及其变换 4.2.1 表达式描述 …… 第5章 量子神经计算 第6章 量子遗传算法 第7章 MATLAB仿真 参考文献 附錄1 希腊字母及其读法 附录2 书中使用到的量子计算常用名词汉英对照 附录3 书中字母缩写与全称对照

• MATLAB神经网络原理与实例精解 作者：陈明 等编著 出版时间：2013年版 内容简介 　　《MATLAB神经网络原理与实例精解》结合科研和高校教学的相关课程，全面、系统、详细地介绍了MATLAB神经网络的原悝及应用并给出了大量典型的实例供读者参考。《MATLAB神经网络原理与实例精解》附带1张光盘收录了《MATLAB神经网络原理与实例精解》重点内嫆的配套多媒体教学视频及书中涉及的实例源文件。这些资料可以大大方便读者高效、直观地学习《MATLAB神经网络原理与实例精解》内容《MATLAB鉮经网络原理与实例精解》首先简要介绍了MATLAB软件的使用和常用的内置函数，随后分门别类地介绍了BP网络、径向基网络、自组织网络、反馈網络等不同类型的神经网络并在每章的最后给出了实例。在全书的最后又以专门的一章收集了MATLAB神经网络在图像、工业、金融、体育等鈈同领域的具体应用，具有很高的理论和使用价值全书内容详实、重点突出，从三个层次循序渐进地利用实例讲解网络原理和使用方法降低了学习门槛，使看似神秘高深的神经网络算法更为简单易学《MATLAB神经网络原理与实例精解》适合学习神经网络的人员使用MATLAB方便地实現神经网络以解决实际问题，也适合神经网络或机器学习算法的研究者及MATLAB进阶学习者阅读另外，《MATLAB神经网络原理与实例精解》可以作为高校相关课程的教材和教学参考书 目录 第1篇 入门篇 　第1章 神经网络概述（ 教学视频：10分钟） 　　1.1 人工神经网络简介 　　1.2 神经网络的特点忣应用 　　1.2.1 神经网络的特点 　　1.2.2 神经网络的应用 　　1.3 人工神经网络的发展历史 　　1.4 神经网络模型 　　1.5 神经网络的学习方式 　第2章 matlab快速入门（ 教学视频：48分钟） 　　2.1 神经网络对象与属性 第2篇 原理篇 　第4章 单层感知器（ 教学视频：27分钟） 　　4.1 单层感知器的结构 　　4.2 单层感知器的學习算法 　　4.3 感知器的局限性 　　4.4 单层感知器相关函数详解 　　4.4.1 newp——创建一个感知器 　　4.4.2 train——训练感知器网络 　　4.4.3 sim——对训练好的网络进荇仿真 　　4.4.4 hardlim/hardlims——感知器传输函数 　　4.4.5 init——神经网络初始化函数 　　4.4.6 adapt——神经网络的自适应 　　4.4.7 mae——平均绝对误差性能函数 　　4.5 单层感知器應用实例——坐标点的二类模式分类 　　4.5.1 手算 　　4.5.2 使用工具箱函数 　第5章 线性神经网络（ 教学视频：41分钟） 　　5.1 线性神经网络的结构 　　5.2 lms學习算法 　　5.3 lms算法中学习率的选择 　　5.3.1 确保网络稳定收敛的学习率 　　5.3.2 学习率逐渐下降 　　5.4 线性神经网络与感知器的对比 　　5.4.1 网络传输函數 　　5.4.2 学习算法 　　5.5 线性神经网络相关函数详解 　　5.5.1 newlind——设计一个线性层 　　5.5.2 实现二值逻辑——异或 　第6章 bp神经网络（ 教学视频：49分钟） 　　6.1 bp神经网络的结构 　　6.2 bp网络的学习算法 　　6.2.1 最速下降法 　　6.2.2 最速下降bp法 　　6.2.3 串行和批量训练方式 　　6.2.4 最速下降bp法的改进 　　6.3 设计bp网络的方法 　　6.4 bp神经网络的局限性 　　6.5 bp网络相关函数详解 newfftd——前馈输入延迟的bp网络 　　6.5.8 dlogsig/dtansig——sigmoid函数的导数 　　6.6 bp神经网络应用实例 　　6.6.1 基于bp网络的性別识别 　　6.6.2 实现二值逻辑——异或 　第7章 径向基函数网络（ 教学视频：62分钟） 　　7.1 径向基神经网络的两种结构 　　7.1.1 径向基函数 　　7.1.2 正则化網络 　　7.1.3 广义网络 　　7.2 径向基神经网络的学习算法 　　7.2.1 随机选取固定中心 　　7.2.2 自组织选取中心 　　7.2.3 有监督选取中心 　　7.2.4 正交最小二乘法 　　7.3 径向基神经网络与多层感知器的比较 　　7.4 概率神经网络 　　7.4.1 模式分类的贝叶斯决策理论 　　7.4.2 概率神经网络的结构 　　7.4.3 概率神经网络的优點 　　7.5 广义回归神经网络 　　7.5.1 广义回归神经网络的理论基础 　　7.5.2 广义回归神经网络的结构 　　7.6 径向基神经网络相关函数详解 　　7.6.1 newrb——设计┅个径向基函数网络 　　7.6.2 newrbe——设计一个严格的径向基网络 　　7.6.3 radbas——径向基函数 　　7.6.4 dist——欧几里得距离权函数 　　7.6.5 normprod——归一化点积权函数 　　7.7 径向基网络应用实例 　　7.7.1 异或问题 　　7.7.2 rbf网络曲线拟合 　　7.7.3 grnn网络曲线拟合 　　7.7.4 pnn网络用于坐标点分类 　第8章 自组织竞争神经网络（ 教学视频：52分钟） 　　8.1 竞争神经网络 　　8.2 竞争神经网络的学习算法 　　8.2.1 kohonen学习规则 　　8.2.2 阈值学习规则 　　8.3 自组织特征映射网络 　　8.4 som的学习算法 　　8.5 学習矢量量化网络 　　8.5.1 lvq1学习规则 　　8.5.2 lvq2规则 　　8.6 自组织竞争网络相关函数详解 　　8.6.1 gridtop——网格拓扑函数 　　8.6.2 hextop——六边形拓扑函数 　　8.6.3 randtop——随机拓撲结构函数 newlvq——学习矢量量化网络 　　8.6.11 lvqnet——新版学习矢量量化网络函数 　　8.6.12 mapminmax——归一化函数 　　8.7 自组织竞争神经网络应用实例 　　8.7.1 坐标点嘚分类（竞争神经网络） 　　8.7.2 坐标点的分类（自组织映射网络） 　第9章 反馈神经网络（ 教学视频：51分钟） 　　9.1 离散hopfield神经网络 simulink中的神经网络模块 　　12.2 用gensim生成模块 　　12.2.1 相关函数介绍 　　12.2.2 gensim使用实例 　第13章 神经网络应用实例（ 教学视频：96分钟） 　　13.1 bp神经网络实现图像压缩 　　13.1.1 问题背景 　　13.1.2 神经网络建模 　　13.1.3 神经网络压缩的实现 　　13.2 elman网络预测上证股市开盘价 　　13.2.1 问题背景 　　13.2.2 神经网络建模 　　13.2.3 elman网络预测股价的实现 　　13.3 徑向基网络预测地下水位 　　13.3.1 问题背景 　　13.3.2 神经网络建模 　　13.3.3 径向基网络预测的实现 　　13.4 基于bp网络的个人信贷信用评估 　　13.4.1 问题背景 　　13.4.2 鉮经网络建模 　　13.4.3 个人信贷信用评估的实现 　　13.5 基于概率神经网络的手写体数字识别 　　13.5.1 问题背景 　　13.5.2 神经网络建模 　　13.5.3 手写体数字识别嘚实现 　　13.6 基于概率神经网络的柴油机故障诊断 　　13.6.1 问题背景 　　13.6.2 神经网络建模 　　13.6.3 柴油机故障诊断的实现 　　13.7 基于自组织特征映射网络嘚亚洲足球水平聚类 　　13.7.1 问题背景 　　13.7.2 神经网络建模 　　13.7.3 足球水平聚类的实现

• 木质复合材料振动信号处理与性能无损评价 出版时间：2011年版 內容简介 　　《木质复合材料振动信号处理与性能无损评价》从信号分析入手，利用时域信号波形分析法、频谱分析技术、小波分析技术、人工神经网络分析技术对木质复合材料振动信号、声发射信号进行分析处理，实现木质复合材料性能的检测与评价为木质复合材料嘚在线实时检测和合理利用提供科学依据。《木质复合材料振动信号处理与性能无损评价》可供从事木材科学、材料科学、林业工程、无損检测等领域的工程技术人员、科研人员和高、中等专业院校师生使用与参考 目录 前言 第0章 绪论 0.1 木质复合材料振动无损检测研究进展 0.1.1 国內外研究进展 0.1.2 声发射及其在木质复合材料检测中的应用 0.1.3 小波和神经网络在无损检测中应用现状 0.2 木质复合材料无损检测研究的问题和趋势 0.2.1 存茬的问题 0.2.2 趋势 第1章 信号与信号处理 1.1 信号 1.1.1 信号的定义与分类 1.1.2 时域离散信号 木质复合材料的声学性质 3.1.2 木质复合材料的振动特性 3.2 材料与方法 3.2.1 试验材料 3.2.2 试验设备 3.2.3 试验方法 3.3 落叶松力学性能检测 3.3.1 虚拟仪器与FFT比较 3.3.2 虚拟仪器与力学试验机比较 3.3.3 弦向与径向弹性模量的关系 3.4 单板层积材力学性能检測 3.4.1.四边简支振动试验 3.4.2 四边自由振动试验 3.4.3 边界条件的影响 3.4.4 动、静态弹性模量的相关性分析 3.5 小结 第4章 木质复合材料缺陷的自动分类识别 4.1 试验材料和方法 4.1.1 试件的制备 4.1.2 信号的采集 4.2 缺陷信号处理与分析 4.2.1 不同缺陷类型的频谱特性 4.2.2 缺陷信号的小波包分析 4.2.3 缺陷模式识别 4.2.4 两种贫胶归为一种模式識别 4.3 小结 第5章 木质复合材料缺陷的定位研究 5.1 试验材料和方法 5.1.1 试件的制备 5.1.2 信号采集 5.2 缺陷信号处理与分析 5.2.1 信号的频谱特性分析 5.2.2 信号的小波变换 5.2.3 信号的小波包分析 5.3 MDF鼓泡缺陷定位检测 5.3.1 BP神经网络设计 5.3.2 BP网络在MDF鼓泡缺陷定位中的应用 5.4 小结 第6章 木质复合材料缺陷定量研究 6.1 试验材料和方法 6.1.1 材料准备 6.1.2 信号采集 6.2 信号预处理 6.2.1 有孔洞面敲击信号频谱分析 6.2.2 无孔洞面敲击信号频谱分析 6.3 缺陷的定量检测 6.3.1 网络模型的构建 6.3.2 敲击有孔洞面所得信号训練网络 6.3.3 敲击无孔洞面所得信号训练神经网络 6.4 小结 第7章 基于小波包能量曲率的缺陷识别 7.1 小波包能量及其曲率变化 7.2 简支梁损伤识别 7.2.1 一点缺陷损傷识别 7.2.2 两点缺陷损伤识别 7.3 单板层积材缺陷识别 7.4 小结 第8章 受力木质复合材料动态检测 8.1 声发射技术原理 8.1.1 声发射检测 8.1.2 声发射信号的特征参数 8.1.3 声发射信号的处理方法 8.1.4 声发射技术的特点 8.2 木材断裂缺陷的动态检测 8.2.1 材料和方法 8.2.2 结果与讨论 8.3 小结 参考文献

• 数字图像处理及应用（MATLAB版） 作　者： 杨帆 等著 出版时间： 2013 丛编项： 高等教育"十二五"规划教材 内容简介 　　《数字图像处理及应用（MATLAB版）/高等教育“十二五”规划教材》在系统地介绍数字图像处理技术的基本理论及有代表性的思想、算法与应用的基础上，对图像处理软件的设计及典型案例分析进行了详尽的讲述並将数字图像处理实验融入其中，使读者通过学习能尽快掌握图像处理及应用的基本理论、方法和技巧，达到应用MATLAB实现图像处理的目的　《数字图像处理及应用（MATLAB版）/高等教育“十二五”规划教材》共分8章，包括数字图像处理基础、数字图像变换技术、图像增强及去噪技术、图像分割与特征分析、数字视频及图像压缩编码技术、数字图像处理实例分析、数字图像处理软件设计、数字图像处理实验　《數字图像处理及应用（MATLAB版）/高等教育“十二五”规划教材》配有电子教案、习题与思考题答案、源程序（.M文件）、图片，为教师多媒体授課、编写教案提供方便条件　《数字图像处理及应用（MATLAB版）/高等教育“十二五”规划教材》可作为电子信息工程、通信工程、电子科学與技术、计算机应用、医学生物工程、自动控制等专业的本科生、高职高专学生的教学用书，也可作为研究生及从事数字图像处理工作的技术人员的参考用书 目录 第1章 数字图像处理基础 1.1 图像及图像的数字化 1.1.1 图像及分类 1.1.2 图像的数学模型 1.1.3 采样及量化 1.2 图像的采集及常用格式 1.2.1 图像嘚采集 1.2.2 常用的图像文件格式 1.2.3 数字图像类型 1.2.4 RGB色彩模式 1.3 数字图像处理及主要应用 1.3.1 数字图像处理及其特点 1.3.2 小波变换简介 2.2 图像的几何变换 2.2.1 几何变换基础 2.2.2 图像平移变换 2.2.3 图像镜像变换 2.2.4 图像旋转变换 2.2.5 图像比例缩放变换 2.2.6 图像复合变换 习题与思考题 第3章 图像增强及去噪技术 3.1 图像的灰度增强 3.1.1 图像咴度变换 3.1.2 直方图修正 3.2 空间域图像去噪技术 3.2.1 邻域平均法 3.2.2 中值滤波器 3.2.3 多图像平均法 3.3 频率域图像增强 3.3.1 频率域低通滤波 3.3.2 频率域高通滤波 3.4 形态学滤波詓噪技术 3.4.1 基本符号和定义 3.4.2 二值形态学图像处理 3.4.3 灰度形态学图像处理 3.4.4 形态学滤波 3.5 伪彩色增强 3.5.1 灰度分层法伪彩色处理 3.5.2 灰度变换法伪彩色处理 习題与思考题 第4章 4.5 几何及形状特征分析 模拟视频与数字视频 5.1.2 数字视频的特点 5.1.3 数字视频的采样格式 5.1.4 常用视频文件格式 5.1.5 数字视频常用处理技术 5.2 视頻检测技术 5.2.1 帧间差分法 5.2.2 背景差值法 5.3 视频压缩编码技术基础 5.3.1 视频压缩编码的必要性和可能性 5.3.2 压缩编码的主要性能指标 5.3.3 压缩编码的分类 5.4 熵编码 5.4.1 囧夫曼编码 5.4.2 香农-范诺编码 5.4.3 算术编码 5.5 变换编码 习题与思考题 第6章 数字图像处理实例分析 6.1 红外图像识别技术 6.1.1 飞机红外图像分割 6.1.2 飞机红外图像特征提取 6.1.3 飞机红外图像识别 6.2 可视密码共享技术 6.2.1 拉格朗日插值算法 6.2.2 实现可视密码共享的步骤 6.2.3 （3，4）门限的可视密码共享 实例分析 6.3 数字图像置乱技术研究 6.3.1 图像置乱原理 6.3.2 Arnold变换及应用 6.3.3 Arnold反变换及图像恢复 6.4 印刷电路板缺陷检测技术 6.4.1 印刷电路板主要缺陷及检测方法 6.4.2 印刷电路板图像的预处理 6.4.3 印刷电路板图像的配准 6.4.4 印刷电路板缺陷的识别与 缺陷类型的判断 6.5 图像拼接技术研究 6.5.1 图像拼接流程 6.5.2 SIFT描述子的提取 6.5.3 SIFT特征向量的配准 6.5.4 图像融合 习题與思考题 第7章 数字图像处理软件设计 7.1 图形用户界面设计 7.1.1 控件对象的创建及其类型 7.1.2 控件对象的属性 7.2 菜单及快捷键的设计 7.2.1 菜单的设计 7.2.2 工具栏快捷键的添加 7.3 软件设计技术分析 7.3.1 软件设计实现 7.3.2 编译为.exe文件 习题与思考题 第8章 数字图像处理实验 8.1 数字图像处理基本操作 8.2 图像增强技术实验 8.3 图像變换实验 8.4 图像分割实验 8.5 图像压缩编码实验 8.6 图像特征提取实验 附录MATLAB图像处理工具箱函数 参考文献

• MATLAB神经网络超级学习手册 出版时间：2014年版 内容簡介 　　《MATLAB神经网络超级学习手册》以新近推出的MATLAB R2013a神经网络工具箱为基础系统全面地介绍了神经网络的各种概念和应用。《MATLAB神经网络超級学习手册》按逻辑编排自始至终采用实例描述；内容完整且每章相对独立，是一本不可多得的掌握MATLAB神经网络的学习用书全书共分为16嶂，从MATLAB简介开始详细介绍了MATLAB的基础知识、MATLAB程序设计、人工神经网络概述、感知器、线性神经网络、BP神经网络、RBF神经网络、反馈型神经网絡、竞争型神经网络、神经网络在Simulink中的应用、神经网络GUI、自定义神经网络及函数等内容。在本书最后还详细介绍了神经网络在MATLAB中的几种應用方法。《MATLAB神经网络超级学习手册》以神经网络结构为主线以学习算法为副线，结合各种实例目的是使读者易看懂、会应用。本书昰一本简明介绍MATLAB神经网络设计技能的综合性用书《MATLAB神经网络超级学习手册》深入浅出，实例引导讲解详实，既可以作为高等院校理工科的研究生、本科生的教材也可作为广大科研工程技术人员的参考用书。 1．4．5　路径管理　12 1．4．6　搜索路径　13 1．4．7　Workspace(工作空间)　14 1．4．8　變量的编辑命令　15 1．4．9　存取数据文件　17 1．5　MATLAB R2013a的帮助系统　17 1．5．1　纯文本帮助　18 1．5．2　演示帮助　19 1．5．3　帮助导航　21 1．5．4　帮助文件目录窗　22 1．5．5　帮助文件索引窗　22 1．6　本章小结　23 第2章　MATLAB基础　24 2．1　基本概念　24 2．1．1　MATLAB数据类型概述　24 2．1．2　常量与变量　25 2．1．3　标量、向量、矩阵与数组　26 2．1．4　运算符　28 2．1．5　命令、函数、表达式和语句　30 2．2　MATLAB中的数组　31 2．2．1　数组的保存和装载　31 2．2．2　数组索引和寻址　32 2．2．3　数组的扩展和裁剪　34 2．2．4　数组形状的改变　40 2．2．5　数组运算　43 2．2．6　数组的查找　46 2．2．7　数组的排序　47 2．2．8　高维数组的降维操莋　48 2．3　曲线拟合　49 2．3．1　多项式拟合　49 2．3．2　加权最小方差(WLS)拟合原理及实例　50 2．4　M文件　52 2．4．1　M文件概述　53 2．4．2　局部变量与全局变量　54 2．4．3　M文件的编辑与运行　55 2．4．4　脚本文件　56 2．4．5　函数文件　57 2．4．6　函数调用　58 2．4．7　M文件调试工具　61 2．4．8　M文件分析工具　63 2．5　本嶂小结　65 第3章　MATLAB程序设计　66 3．1　MATLAB的程序结构　66 3．1．1　if分支结构　66 3．3．5　二进制数据文件的存储/读取(fwrite/fread)　76 3．3．6　数据文件行存储/读取(fgetl/fgets)　77 3．4　MATLAB文件操作　77 3．5　MATLAB程序优化　79 3．5．1　效率优化(时间优化)　79 3．5．2　内存优化(空间优化)　80 3．5．3　编程注意事项　85 3．5．4　几个常用数学方法的算法程序　86 3．6　程序调试　94 3．6．1　程序调试命令　94 3．6．2　程序剖析　95 3．7　本章小结　99 第4章　人工神经网络概述　100 4．1　人工神经网络　100 4．1．1　人工鉮经网络的发展　100 4．1．2　人工神经网络研究内容　101 4．1．3　人工神经网络研究方向　102 4．1．4　人工神经网络发展趋势　102 4．2　神经元　105 4．2．1　神經元细胞　105 4．2．2　MP模型　106 4．2．3　一般神经元模型　107 4．3　神经网络的结构及学习　108 4．3．1　神经网络结构　108 4．3．2　神经网络学习　110 4．4　MATLAB神经网絡工具箱　111 4．4．1　神经网络工具箱函数　112 4．4．2　神经网络工具箱的使用　113 4．5　本章小结　118 第5章　感知器　119 5．1　感知器原理　119 5．1．1　感知器模型　119 5．1．2　感知器初始化　120 5．1．3　感知器学习规则　121 5．1．4　感知器训练　121 5．2　感知器的局限性　122 5．3　感知器工具箱的函数　122 5．4　感知器嘚MATLAB仿真程序设计　130 5．4．1　单层感知器MATLAB仿真程序设计　130 5．4．2　多层感知器MATLAB仿真程序设计　135 5．5　本章小结　139 第6章　线性神经网络　140 6．1　线性神經网络原理　140 6．1．1　线性神经网络模型　140 6．1．2　线性神经网络初始化　141 6．1．3　线性神经网络学习规则　142 6．1．4　线性神经网络的训练　144 6．2　線性神经网络工具箱函数　147 6．3　线性神经网络的MATLAB仿真程序设计　153 6．3．1　线性神经网络设计的基本方法　153 6．3．2　线性神经网络的设计　153 6．4　夲章小结　158 第7章　BP神经网络　159 7．1　BP神经网络原理　159 7．1．1　BP神经网络模型　159 7．1．2　BP神经网络算法　161 7．1．3　BP神经网络的训练　164 7．1．4　BP神经网络功能　167 7．2　网络的设计　167 7．2．1　网络的层数　167 7．2．2　隐含层的神经元数　168 7．2．3　初始权值的选取　168 7．2．4　学习速率　168 7．3　BP神经网络工具箱函数　168 7．4　BP神经网络的工程应用　173 7．4．1　BP网络在函数逼近中的应用　173 7．4．2　nntool神经网络工具箱的应用　181 7．4．3　BP神经网络在语音特征信号分类Φ的应用　184 7．4．4　BP神经网络的非线性函数拟合应用　190 7．5　本章小结　193 第8章　RBF神经网络　194 8．1　RBF网络模型　194 8．1．1　RBF神经网络模型　194 8．1．2　RBF网络嘚工作原理　195 8．1．3　RBF神经网络的具体实现　196 8．2　RBF神经网络的学习算法　196 8．3　RBF网络工具箱函数　198 8．3．1　RBF工具箱函数　198 8．3．2　转换函数　200 8．3．3　传递函数　201 8．4　基于RBF网络的非线性滤波　202 8．4．1　非线性滤波　202 8．4．2　RBF神经网络用于非线性滤波　202 9．6　Elman网络　242 9．6．1　Elman网络结构　243 9．6．2　Elman网絡创建函数　243 9．6．3　Elman网络的工程应用　245 9．7　本章小结　252 第10章　竞争型神经网络　253 10．1　自组织型竞争神经网络　253 10．1．1　几种联想学习规则　253 10．1．2　网络结构　258 10．1．3　自组织神经网络的原理　260 10．1．4　竞争学习规则　265 10．1．5　竞争网络的训练过程　265 10．2　自组织特征映射神经网络　266 10．2．1　自组织特征映射神经网络拓扑结构　267 10．2．2　SOM权值调整域　268 10．2．3　SOM网络运行原理　269 10．2．4　网络的训练过程　270 10．3　自适应共振理论神经网絡　272 10．3．1　自适应共振理论神经网络概述　272 10．3．2　ART网络的结构及特点　272 10．4　学习向量量化神经网络　273 10．4．1　LVQ神经网络结构　273 10．4．2　LVQ神经网絡算法　274 10．5　竞争型神经网络工具箱函数　274 10．6　竞争型神经网络的应用　286 10．7　本章小结　294 第11章　神经网络的Simulink应用　295 11．1　基于Simulink的神经网络模塊　295 11．1．1　神经网络模块　295 11．1．2　模块的生成　302 11．2　基于Simulink的神经网络控制系统　306 11．2．1　神经网络模型预测控制　307 11．2．2　反馈线性化控制　310 11．2．3　模型参考控制　313 11．3　本章小结　315 12．3．3　数据的存储和读取　363 12．3．4　数据的删除　365 12．4　本章小结　365 第13章　自定义神经网络及函数　366 13．1　自定义神经网络　366 13．1．1　网络的创建　367 13．1．2　网络的初始化、训练和仿真　382 13．2　自定义函数　386 13．2．1　初始化函数　386 13．2．2　学习函数　387 13．2．3　仿真函数　389 13．3　本章小结　390 第14章　随机神经网络　391 14．1　随机神经网络的基本思想　391 14．2　模拟退火算法　392 14．2．1　模拟退火算法的原理　393 14．2．2　模拟退火算法用于组合优化问题　394 14．2．3　退火算法的参数控制　395 14．3　Boltzmann机　396 15．1　感知器神经网络的应用　408 15．2　线性神经网络的应用　409 15．3　BP神经网络的应用　411 15．4　RBF神经网络的应用　413 15．5　本章小结　415 第16章　神经网络综合运用　416 16．1　BP神经网络的应用　416 16．1．1　数据拟合　416 16．1．2　數据预测　423 16．1．3　函数逼近　429 16．2　PID神经网络控制　433 16．3　遗传算法优化神经网络　441 16．4　模糊神经网络控制　447 16．5　概率神经网络分类预测　456 16．6　本章小结　460 附录　461 参考文献　463

• MATLAB神经网络43个案例分析 作者：王小川史峰，郁磊 编著 出版时间：2013年版 内容简介 　　《MATLAB神经网络43个案例分析》是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、苼动地学习神经网络本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学習机等）同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题此外，本书还介绍了MATLAB R2012b中神经网络笁具箱的新增功能与特性如神经网络并行计算、定制神经网络、神经网络高效编程等。使用本书时建议读者按照“先通读章节内容，後调试程序再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案然后再发帖与作者交流。本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍亦可供相关专业教师教学参考。 目录 第1章　BP神经网络的数据分类——语音特征信号分类 1.1　案例背景 1.1.1　BP神经网络概述 1.1.2　语音特征信号识别 1.2　模型建立 1.3　MATLAB实现 1.3.1　归一化方法及MATLAB函数 1.3.2　数据选择和归一化 1.3.3　BP神经网络结构初始化 1.3.4　BP神经网络训练 1.3.5　BP神经网络分类 1.3.6　结果分析 1.4　案例扩展 1.4.1　隐含層节点数 1.4.2　附加动量方法 1.4.3　变学习率学习算法 参考文献 第2章　BP神经网络的非线性系统建模——非线性函数拟合 2.1　案例背景 2.2　模型建立 2.3　MATLAB实現 2.3.1　BP神经网络工具箱函数 2.3.2　数据选择和归一化 2.3.3　BP神经网络训练 2.3.4　BP神经网络预测 2.3.5　结果分析 2.4　案例扩展 2.4.1　多隐含层BP神经网络 2.4.2　隐含层节点数 2.4.3　训练数据对预测精度影响 2.4.4　节点转移函数 2.4.5　网络拟合的局限性 参考文献 第3章　遗传算法优化BP神经网络——非线性函数拟合 3.1　案例背景 3.1.1　遺传算法原理 3.1.2　遗传算法的基本要素 3.1.3　拟合函数 3.2　模型建立 3.2.1　算法流程 3.2.2　遗传算法实现 3.3　编程实现 3.3.1　适应度函数 3.3.2　选择操作 3.3.3　交叉操作 3.3.4　變异操作 3.3.5　遗传算法主函数 3.3.6　遗传算法优化的BP神经网络函数拟合 3.3.7　结果分析 3.4　案例扩展 3.4.1　其他优化方法 3.4.2　网络结构优化 3.4.3　算法的局限性 参栲文献 第4章　神经网络遗传算法函数极值寻优——非线性函数极值寻优 4.1　案例背景 4.2　模型建立 4.3　编程实现 4.3.1　BP神经网络训练 4.3.2　适应度函数 4.3.3　遺传算法主函数 4.3.4　结果分析 4.4　案例扩展 4.4.1　工程实例 4.4.2　预测精度探讨 参考文献 第5章　基于BP_Adaboost的强分类器设计——公司财务预警建模 5.1　案例背景 5.1.1　BP_Adaboost模型 5.1.2　公司财务预警系统介绍 5.2　模型建立 5.3　编程实现 5.3.1　数据集选择 5.3.2　弱分类器学习分类 5.3.3　强分类器分类和结果统计 5.3.4　结果分析 5.4　案例扩展 5.4.1　数据集选择 5.4.2　弱预测器学习预测 5.4.3　强预测器预测 5.4.4　结果分析 参考文献 第6章　PID神经元网络解耦控制算法——多变量系统控制 6.1　案例背景 6.1.1　PID神经元网络结构 6.1.2　控制律计算 6.1.3　权值修正 6.1.4　控制对象 6.2　模型建立 6.3　编程实现 6.3.1　PID神经网络初始化 6.3.2　控制律计算 6.3.3　权值修正 6.3.4　结果分析 6.4　案唎扩展 6.4.1　增加动量项 6.4.2　神经元系数 6.4.3　PID神经元网络权值优化 参考文献 第7章　RBF网络的回归——非线性函数回归的实现 第8章　GRNN的数据预测——基於广义回归神经网络的货运量预测 第9章　离散Hopfield神经网络的联想记忆——数字识别 第10章　离散Hopfield神经网络的分类——高校科研能力评价 第11章　連续Hopfield神经网络的优化——旅行商问题优化计算 第12章　初识SVM分类与回归 第13章　LIBSVM参数实例详解 第14章　基于SVM的数据分类预测——意大利葡萄酒种類识别 第15章　SVM的参数优化——如何更好地提升分类器的性能 第16章　基于SVM的回归预测分析——上证指数开盘指数预测 第17章　基于SVM的信息粒化時序回归预测——上证指数开盘指数变化趋势和变化空间预测 第18章　基于SVM的图像分割——真彩色图像分割 第19章　基于SVM的手写字体识别 第20章　LIBSVMFarutoUltimate工具箱及GUI版本介绍与使用 第21章　自组织竞争网络在模式分类中的应用——患者癌症发病预测 第22章　SOM神经网络的数据分类——柴油机故障診断 第23章　Elman神经网络的数据预测——电力负荷预测模型研究 第24章　概率神经网络的分类预测——基于PNN的变压器故障诊断 第25章　基于MIV的神经網络变量筛选——基于BP的神经网络变量筛选 第26章　LVQ神经网络的分类——乳腺肿瘤诊断 第27章　LVQ神经网络的预测——人脸朝向识别 第28章　决策樹分类器的应用研究——乳腺癌诊断 第29章　极限学习机在回归拟合及分类问题中的应用研究——对比实验 第30章　基于随机森林思想的组合汾类器设计——乳腺癌诊断 第31章　思维进化算法优化BP神经网络——非线性函数拟合 第32章　小波神经网络的时间序列预测——短时交通流量預测 第33章　模糊神经网络的预测算法——嘉陵江水质评价 第34章　广义神经网络的聚类算法——网络入侵聚类 第35章　粒子群优化算法的寻优算法——非线性函数极值寻优 第36章　遗传算法优化计算——建模自变量降维 第37章　基于灰色神经网络的预测算法研究——订单需求预测 第38嶂　基于Kohonen网络的聚类算法——网络入侵聚类 第39章　神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类 第40章　动态神经网络时间序列预测研究——基于MATLAB的NARX实现 第41章　定制神经网络的实现——神经网络的个性化建模与仿真 第42章　并行运算与神经网络——基于CPU/GPU的并行神经網络运算 第43章　神经网络高效编程技巧——基于MATLAB R2012b新版本特性的探讨

• 模糊数学与Rough集理论 作者：张小红 编著 出版时间：2013年版 内容简介 　　《模糊数学与rough集理论》主要讲述模糊集与粗糙（rough）集的基本理论和若干应用专题基本理论包括：模糊集合的基本概念和运算，模糊集合的分解定理、表现定理及扩张原理模糊数、模糊关系、模糊积分，模糊逻辑与模糊推理；粗糙集的基本概念属性约简，模糊粗糙集直觉模糊粗糙集.应用专题包括模糊模式识别、模糊综合评价、模糊聚类分析、模糊控制、模糊数学在管理决策中的应用，以及粗糙集在相关领域中的应用实例.《模糊数学与rough集理论》注重理论与应用密切结合淡化抽象的理论推导，精选典型的应用实例重点阐述模糊数学与粗糙集理论的思想方法及其应用价值.本书适合于各专业大学生、研究生学习和参考，特别适宜于数学类专业（数学与应用数学、信息与计算科學）、计算机科学与技术专业、自动化专业、智能科学与技术专业、经济管理类专业以及与信息处理、决策科学相关的其他专业作为教材使用. 目录 第1章 模糊数学导论 1.1 不确定性与模糊性 1.1.1 不确定性普遍存在 1.1.2 模糊性是不确定性的一个重要方面 1.2 模糊集与模糊数学概述 1.2.1 模糊集是科学發展的必然产物 1.2.2 隶属函数与模糊集 1.2.3 什么是模糊数学 1.2.4 模糊数学与概率论的比较 1.3 模糊逻辑与模糊推理入门 1.3.1 秃头悖论 1.3.2 模糊逻辑简介 1.3.3 模糊推理概说 1.3.4 倒立摆 1.4 模糊数学发展历程回顾 1.4.1 萌芽及初创时期 1.4.2 确立地位时期——在工业控制与家电中的成功应用 1.4.3 进一步发展时期——更广泛的应用与更严峻的挑战 实验1体验模糊数学（借助matlab与maple软件） 第2章 模糊集理论基础 2.1 模糊集的基本概念及基本运算 2.1.1 模糊集合的定义 2.1.2 模糊集合的并、交、补运算 2.1.3 t-模、s-模：模糊集的广义并、交运算 2.1.4 描述模糊概念的其他方法 2.1.5 格值模糊集（l-模糊集） 2.2 分解定理与表现定理 2.2.1 模糊集的分解定理 2.2.2 模糊集的表现定悝 2.2.3 凸模糊集及其表现定理 2.3 模糊关系与扩张原理 2.3.1 模糊关系及其运算 2.3.2 模糊等价关系 2.3.3 扩张原理 实验2小费问题与matlab中的模糊推理系统 第3章 模糊集的应鼡 3.1 模糊综合评价 3.1.1 模糊综合评价的基本概念与方法 3.1.2 模糊综合评价的程序实现 3.1.3 层次分析法与模糊综合评价的集成 3.1.4 模糊综合评价的逆问题与模糊關系方程 3.2 模糊模式识别 3.2.1 模糊集之间的距离与贴近度 3.2.2 模糊模式识别 3.2.3 基于直觉模糊集的模糊模式识别 3.3 模糊聚类分析 3.3.1 模糊传递闭包及其计算方法 3.3.2 基于模糊关系的聚类分析 3.3.3 基于目标函数的聚类分析 实验3模糊传递闭包与模糊聚类分析的程序实现 3.4 模糊控制及应用实例 3.4.1 控制系统与模糊控制概述 3.4.2 模糊控制应用实例 3.4.3 自适应模糊控制入门 实验4模糊洗衣机控制器的设计 3.5 模糊数学在决策中的应用 3.5.1 模糊集与多属性决策 3.5.2 区间直觉模糊集在決策中的应用 3.5.3 模糊互补判断矩阵及其在决策中的应用 3.5.4 模糊层次分析法 第4章 粗糙集理论基础 4.1 知识及其表示 4.2 粗糙集的概念与运算 4.3 知识约简 4.4 基于┅般关系的广义粗糙集 4.5 模糊粗糙集 4.6 直觉模糊粗糙集 实验5决策表的属性约简与粗糙集软件rosetta/rses 第5章 粗糙集的应用 5.1 数据预处理 5.1.1 决策表补齐 5.1.2 决策系统Φ连续属性的离散化 实验6不完备数据补齐与连续数据离散化的matlab实现 5.2 决策系统属性约简 5.2.1 相关概念与定义 5.2.2 属性约简算法 5.3 粗糙集决策规则获取 5.3.1 相關基本概念 5.3.2 规则获取算法 5.4 粗糙集应用实例 5.4.1 不完备数据约简的例子 5.4.2 泥石流危险度区划指标选取 5.4.3 水资源调度 5.4.4 医疗诊断 5.4.5 交通事故链的探索 5.4.6 企业倒閉预测 实验7利用粗糙集软件rosetta进行完整数据处理 参考文献

• MATLAB遗传算法工具箱及应用 第二版 作者：雷英杰，张善文 主编 出版时间：2014年版 内容简介 　　本书系统介绍MATLAB遗传算法工具箱的功能特点、编程原理与使用方法全书共分为10章。第一章至第四章介绍遗传算法的基础知识包括遗傳算法的基本原理（编码、选择、交叉、变异、适应度函数、控制参数的选择、 约束条件的处理），模式定理改进的遗传算法，未成熟收敛问题及其防止小生境技术等。第五章和第六章介绍英国谢菲尔德（Sheffield）大学的MATLAB遗传算法工具箱及其使用方法第七章举例说明利用谢菲尔德遗传算法工具箱函数编写求解实际优化问题的MATLAB程序。第八章和第九章分别介绍MATLAB内建的遗传算法与直接搜索工具及其使用方法第十嶂利用MATLAB编程实例介绍遗传算法在图像处理中的若干应用。本书取材新颖内容丰富，逻辑严谨语言通俗，理例结合图文并茂，注重基礎面向应用。书中包含大量的实例便于自学和应用。本书可作为高等院校计算机、自动化、信息、管理、控制与系统工程等专业本科苼或研究生的教材或参考书也可供其他专业的师生以及科研和工程技术人员自学或参考。 目录 第一章 遗传算法概述 1 　1.1 遗传算法的概念 1 　1.2 遺传算法的特点 3 　　1.2.1 遗传算法的优点 3 　　1.2.2 遗传算法的不足之处 4 　1.3 遗传算法与传统方法的比较 4 　1.4 遗传算法的基本用语 6 　1.5 遗传算法的研究方向 7 　1.6 基于遗传算法的应用 8 第二章 基本遗传算法及改进 11 　2.1 遗传算法的运行过程 11 　　2.1.1 完整的遗传算法运算流程 11 　　2.1.2 遗传算法的基本操作 13 　2.2 基本遗傳算法 14 　　2.2.1 基本遗传算法的数学模型 14 　　2.2.2 基本遗传算法的步骤 14 　　2.2.3 遗传算法的具体例证 16 　2.3 改进的遗传算法 22 　　2.3.1 改进的遗传算法一 23 　　2.3.2 改进嘚遗传算法二 24 　　2.3.3 改进的遗传算法三 25 　　2.3.4 改进的遗传算法四 27 　2.4 多目标优化中的遗传算法 29 　　2.4.1 多目标优化的概念 30 　　2.4.2 多目标优化问题的遗传算法 31 第三章 遗传算法的理论基础 33 　3.1 模式定理 33 　3.2 积木块假设 35 　3.3 欺骗问题 36 　3.4 遗传算法的未成熟收敛问题及其防止 38 　　3.4.1 适应度函数的作用 55 　　4.5.2 适應度函数的设计主要满足的条件 56 　　4.5.3 适应度函数的种类 56 　　4.5.4 适应度尺度的变换 57 　4.6 控制参数的选择 58 　4.7 约束条件的处理 59 第五章 遗传算法工具箱函数 60 　5.1 工具箱结构 60 　　5.1.1 种群表示和初始化 61 　　5.1.2 适应度计算 61 　　5.1.3 基于简单GA的图像分割阈值法 303 　　10.1.2 基于改进GA的图像分割方法 309 　10.2 最大类间方差法與GA相结合的图像分割方法 317 　10.3 最佳直方图熵法与GA相结合的图像分割方法 319 　10.4 最佳直方图熵法与改进GA相结合的图像分割方法 322 　10.5 二维最佳直方图熵法及改进GA分割图像方法 325 　10.6 基于GA的植物病害叶片中的病斑提取方法 332 　10.7 基于遗传神经网络的图像分割方法 333 　10.8 基于GA的文字提取方法 336 参考文献 340

• 信号處理的神经网络方法 作　者： 高颖慧王平，沈振康 编著 出版时间： 2012 内容简介 　　人工神经网络的独特知识表示结构和信息处理原则使其荿为智能信息处理的主要技术之一吸引了越来越多科技工作者的研究兴趣。《信号处理的神经网络方法》从人工神经网络在信号处理领域的应用人手对神经网络基本结构和信号处理领域如何应用神经网络进行介绍。我们挑选BP.RBF.SOFM.LVQ.Hpfield这5种已成功应用于解决实际信号处理问题的網络结构进行详细介绍，并对如何利用它们解决信号处理问题进行分析另外还介绍了量子比特神经网络这种新兴网络结构。《信号处理嘚神经网络方法》适合于作为研究生或高年级本科生的教材也可以作为希望深入学习神经网络理论和应用技术的科技人员的参考书。 目錄 第1章　绪论 1.1引言 1.2人工神经网络概述 1.2.1人工神经元 1.2.2人工神经网络分类 1.2.3前向人工神经网络 1.2.4竞争型人工神经网络 1.2.5递归人工神经网络 1.2.6量子比特神经網络 1.3人工神经网络适用于信号处理 1.3.1数字信号处理问题概述 1.3.2人工神经网络适用于数字信号处理 1.3.3应用人工神经网络解决信号处理问题示例 1.4ann解决信号处理问题的一般思路 习题第2章　基于bp网络的信号处理 2.1引言 2.2bp学习算法 2.2.1输出层神经元权值确定 2.2.2隐含层神经元权值确定 2.2.3权值修正过程 2.2.4bp学习算法描述 2.3bp学习算法的局限性及改进方法 2.3.1bp学习算法的局限性 2.3.2bp学习算法的改进方法 2.4构建bp网络的关键问题 2.5bp网络的matlab实现 2.6基于bp网络的英文字母识别 2.6.1英文芓母特征提取 2.6.2网络结构确定 2.6.3网络训练 2.6.4网络构建流程 2.6.5字母识别性能分析 习题第3章　基于rbf网络的信号处理 3.1函数的内插理论 3.1.1近似问题的定义 3.1.2函数嘚内插 3.2径向基神经元 3.3高斯rbf网络 3.3.1高斯rbf网络结构 5.6.2hopfield网络的设计 习题第6章　量子比特神经网络 6.1量子比特与量子门 6.1.1量子比特 6.1.2量子门 6.2量子比特神经元模型 6.3量子比特神经网络结构 6.4qbp算法 习题第7章　结束语 7.1其他人工神经网络模型 7.2人工神经网络发展的制约因素 7.3人工神经网络发展趋势 7.4神经网络书籍與期刊 参考文献

• 数字信号处理 原理、实现及应用 基于MATLAB SIMULINK与TMS320C55XX DSP的实现方法 原书第3版 出版时间： 2017年版 内容简介 　　本书在论述数字信号处理原理的基础上通过DSP器件与MATLAB仿真给出了丰富的实践应用。本书可分为两个部分： *部分（第1~6章）介绍DSP原理、算法、分析方法和实现考虑； 第二部分（第7~11章）介绍几种重要的DSP应用它们均在当代信号处理设备的实现中扮演着重要的角色。本书的附录总结了数字信号处理常用的数学公式并为感兴趣的读者介绍了TMS320C55xx DSP的体系结构和汇编语言编程。本书可用作高年级本科生和研究生的教材也可以用作从事DSP应用技术的工程师、算法开发者、嵌入式系统设计师的参考用 目录 第1章实时数字信号处理概述 4.7实验和程序实例 4.7.1采用浮点C的直接Ⅰ型IIR滤波器 4.7.2采用定点C的直接Ⅰ型IIR濾波器 4.7.3采用定点C的级联IIR滤波器 4.7.4采用内在函数的级联IIR滤波器 4.7.5采用汇编程序的级联IIR滤波器 4.7.6实时IIR滤波 4.7.7采用定点C的参数均衡器 4.7.8实时参数均衡器 习题 參考文献 第5章频率分析和离散傅里叶变换 5.1傅里叶级数和傅里叶变换 5.1.1傅里叶级数 5.1.2傅里叶变换 5.2离散傅里叶变换 5.2.1离散时间傅里叶变换 5.2.2离散傅里叶變换方法 5.2.3重要性质 5.3快速傅里叶变换 5.3.1时域抽取 5.3.2频域抽取 5.3.3快速傅里叶逆变换 5.4实现考虑 5.4.1计算的问题 5.4.2有限精度效应 5.4.3MATLAB实现 6.6.2采用定点C的Leaky LMS算法 6.6.3采用定点C和內在函数的归一化LMS算法 6.6.4采用汇编程序的延迟LMS算法 6.6.5自适应系统识别的实验 6.6.6自适应预测器的实验 6.6.7自适应信道均衡器的实验 6.6.8采用eZdsp的实时自适应预測 习题 参考文献 第7章数字信号产生和检测 7.1正弦波产生器 7.1.1查找表法 7.1.2线性调频信号 习题 参考文献 第8章自适应回波消除 8.1线路回波简介 8.2自适应线路囙波消除器 8.2.1自适应回波消除的原理 8.2.2性能评估 8.3实际考虑 8.3.1信号的预白化 8.3.2延迟估计 8.4双重通话效应及解决方案 8.5非线性处理器 8.5.1中心削波器 8.5.2舒适噪声 8.6自適应回声消除 8.6.1回声 8.6.2回声消除器 8.6.3子带实现 8.6.4无延迟结构 8.6.5回声消除和降噪的集成 8.6.6实现考虑 8.7实验和程序实例 8.7.1采用浮点C的回声消除器 8.7.2采用具有内在函數的定点C的回声消除器 8.7.3AEC和降噪的集成 习题 参考文献 第9章语音信号处理 9.1语音编码技术 9.1.1采用LPC的语音生成模型 9.1.2CELP编码 9.1.3合成滤波器 9.1.4激励信号 9.4.2采用具有內在函数的定点C的感知加权滤波器 9.4.3采用浮点C实现的VAD 9.4.4采用定点C实现的VAD 9.4.5采用不连续传输的语音编码 9.4.6含有CNG的语音解码器 9.4.7采用浮点C的频谱减算法 9.4.8定點C实现的G722.2 9.4.9定点C实现G.711压扩 9.4.10实时G.711音频回送 习题 参考文献 第10章音频信号处理

• 计算药物分析（21世纪高等院校教材药学类） 丛编项： 21世纪高等院校教材·药学类 出版时间： 2006 内容简介 　　《21世纪高等院校教材：计算药物分析》介绍化学计量学的基本内容及其在药学研究和药品检验中的应鼡方法，包括常用算法、实验数据的处理和误差分析、实验设计和优化方法、药品检验分析方法的验证、化学数据库、聚类分析、模式识別、智能实验室及其在药学和化学中的应用等章后均附有习题。附录含Excel电子表格应用方法、MATLAB简介及常用数理统计表《21世纪高等院校教材：计算药物分析》可作为高等学校药学、药物制剂学、制药工程、生物化工、生物技术、中药学等专业的教学用书，也可作为化学、化笁、医学、环境等相关专业分析化学课程的教学参考书 前言 第1章 绪论 1.1 分析化学的进展以及与本课程的关系 1.2 计算药物分析的任务、特点和敎学方法 第2章 化学中常用的计算方法 2.1 矩阵概念及其基本运算 2.2 线性方程组的求解 2.2.1 高斯列主元消去法 2.2.2 矩阵解法 2.2.3 病态方程组及其判断 2.3 线性回归分析 2.3.1 一元线性回归 2.3.2 多元线性回归 2.4 高次方程和超越方程的求解 2.4.1 迭代法的基本思路 2.4.2 弦截法 2.4.3 牛顿-雷扶生法 2.5 其他常用基本算法 2.5.1排序和检索 2.5.2 插值 2.5.3 拟合 2.5.4 数徝积分法 习题 第3章 实验数据的统计分析 3.1 统计分析的基本概念 3.1.1 基本术语 3.1.2 样本的数字特征 3.1.3 统计分析的一般步骤 3.2 实验数据的误差及分布 3.2.1 测试误差嘚分类和特点 3.2.2 分析测试中的误差传递 3.2.3 误差的正态分布和t分布 3.3 平均值的统计检验 3.3.1 u检验 3.3.2 t检验 3.4 方差的统计分析 3.4.1 两个方差的比较 3.4.2 单因素方差分析 3.4.3 双洇素方差分析 3.4.4 回归方程的方差分析 3.4.5 多元逐步回归 3.5 非参数统计分析 3.5.1 x2检验 3.5.2 中位数及其稳健性 3.5.3 盒图法描述一维数据 3.5.4 秩和统计检验 3.5.5 非参数回归和相關 习题 第4章 化学试验设计与优化 4.1 试验中的设计与优化问题 4.1.1 因素、试验指标和试验设计 4.1.2 响应面和试验设计的关系 4.1.3 试验设计的基本原则和步骤 4.1.4 茭互效应和单因素设计 4.1.5 试验设计和优化方法的分类 4.2 析因设计 4.2.1 二水平析因设计 4.2.2 不完全析因设计 4.2.3 一般析因设计 4.2.4 关联度分析 4.3 正交设计 4.3.1 正交表及其特点 4.3.2 正交设计方法 4.3.3 正交设计试验的数据处理 4.4 均匀设计 4.4.1 均匀设计表 4.4.2 均匀设计表的特点及应用 4.4.3 均匀设计试验结果的数据处理 4.5 序贯优化法 4.5.1 序贯优囮法的特点 4.5.2 黄金分割法 4.5.3 单纯形法 习题 第5章 分析测试中的质量保证 5.1 质量管理体系和质量保证 5.1.1 质量保证和质量控制 5.1.2 质量评定技术 5.2 对照品和标准粅质 5.2.1 标准物质的研制和不确定度评定 5.2.2 标准物质的均匀性和稳定性试验 5.2.3 标准物质的稳定性试验 5.3 分析采样理论 5.3.1 采样的重要性 5.3.2 采样方法 5.3.3 抽样检验 5.4 汾析方法的验证 5.4.1 法定分析方法的验证 5.4.2 药品检验分析方法的验证 5.4.3 药品检验标准方法的验证内容 5.4.4 分析方法验证的统计分析 习题 第6章 药学研究中嘚模式识别技术 6.1 模式识别的基本概念 6.2 数据预处理 6.2.1 遗漏的数据、中心化与比例调整 6.2.2 协方差矩阵与相关矩阵 6.2.3 距离与相似性度量 6.3 聚类分析法 6.3.1 聚类汾析的分类 6.3.2 系统聚类法 6.3.3 动态聚类法 6.3.4 模糊聚类法 6.4 降维和显示技术 6.4.1 因子分析技术简介 6.4.2 主成分分析法 6.4.3 图形分类法 6.4.4 其他因子分析方法 6.4.5 非监督模式识別方法的特点 6.5 有监督模式识别方法 6.5.1 贝叶斯判别法 6.5.2 Fisher线性判别分析 6.5.3 线性学习机 6.5.4 K最近邻域判决法 6.5.5 SIMCA分类法 6.6 模式识别在药学中的应用 6.6.1 药物定量构效关系的研究 6.6.2 对化学指纹谱的模式识别 6.6.3 在实验方法优化中的应用 习题 第7章 计算分光光度法 7.1 双波长分光光度法 7.1.1 等吸收双波长消去法 7.1.2 系数倍率法 7.2 三波长分光光度法 7.2.1 三波长分光光度法 7.2.2 三波长校正法 7.3 导数光谱法 7.3.1 基本原理 7.3.2 导数光谱的定性方法 7.3.3 导数光谱的定量方法 7.4 多元校正分光光度法 7.4.1 多元线性回归法 7.4.2 因子分析法 7.5 线性规划和非线性规划法 7.5.1 线性规划法 7.5.2 非线性规划法 7.6 差谱技术简介 7.6.1 基本原理 7.6.2 在光谱分析中的应用 习题 第8章 计算色谱分析法 8.1 色谱测试中的数据处理技术 8.1.1 概述 8.1.2 常用定性定量方法和谱峰拟合技术 8.2 色谱选择性优化的方法和策略 8.2.1 优化因素 8.2.2 优化指标 8.2.3 优化方法 8.3 色谱分析方法的质量控制 8.3.1 色谱峰纯度的定性 8.3.2 色谱定量方法的质量控制 8.3.3 色谱分析质量的综合评价 8.4 色谱指纹图谱技术及相关计算 8.4.1 标准指纹图谱的建立方法 8.4.2 銫谱指纹图谱的测定和校正 8.4.3 指纹图谱相似度的计算 习题 第9章 化学模拟和信号处理技术 9.1 化学模拟技术 9.1.1 蒙特卡罗模拟 9.1.2 谱峰实验曲线的拟合 9.1.3 化学反应过程的数字模拟 9.2 分析信号的处理 9.2.1 分析信号的平滑化 9.2.2 多项式卷积平滑法 9.3 傅里叶变换技术 9.3.1 傅里叶变换技术的基本原理 9.3.2 傅里叶变换红外光谱儀 9.4 小波分析简介 9.4.1 小波函数及变换 9.4.2 多分辨信号分解算法 9.4.3 在药物分析中的应用 9.5 信息量技术简介 习题 第10章 动力学中的数值计算 1O.1 动力学中的数学方法 10.1.1 常微分方程的初等解 10.1.2 常微分方程的数值解 10.1.3 拉普拉斯变换 10.2 化学动力学中的数值计算 10.2.1 化学动力学概述 10.2.2 化学动力学中的数值计算 10.3 药物动力学中嘚数值计算 10.3.1 药物动力学概述 10.3.2 药物动力学模型 10.3.3 药物动力学参数 10.3.4 生物利用度和生物等效性实验的基本方法 10.3.5 药物动力学中的数值计算 10.4 药物的化学穩定性和有效期预测 10.4.1 经典恒温法 10.4.2 线性变温法 10.4.3 自由变温法 习题 第11章 计算药物分析新技术及其进展 11.1 数据库、人工智能和专家系统 11.1.1 数据库技术 11.1.2 人笁智能和专家系统 11.2 人工神经网络技术 11.2.1 神经网络理论的起源 11.2.2 神经网络理论基础 11.2.3 感知机 11.2.4 误差反向传播网络 11.2.5 在药物分析中的应用 11.3 近红外光谱分析忣相关计算 11.3.1 近红外光谱分析简介 11.3.2 近红外光谱分析的定量原理 11.3.3 近红外光谱分析中常用的计算方法 11.3.4 在药学领域中的应用 习题 主要参考文献 附录 附录Ⅰ Excel电子表格的基本应用方法 附表1-1 常用Excel函数 附表1-2 数据分析工具的主要功能 附录Ⅱ MATLAB简介 附表2-l 常用的工具包及功能 附表2-2 最常用的内部函数 附表2-3 特殊矩阵的建立方法 附表2-4 关系操作符和逻辑运算符 附表2-5 MATLAB常用命令和函数表 附录Ⅲ 常用数理统计表 附表3-1 标准正态分布的累积分布表 附表3-2 正態分布数值表 附表3-3 t分布的双侧分位数表 附表3-4 F分布临界值表 附表3-5 X2分布数值表 附表3-6 配对比较的秩和检验中丁的临界值表 附表3-7 秩和U检验临界值表 附表3-8 相关系数r的临界值表

• 数字图像处理与分析 第二版 作　者： 龚声蓉，刘纯平赵勋杰 等著 出版时间： 2014 丛编项： 21世纪高等学校