本书以模式识别、智能算法应用为主线，以分析工程案例为辅助，做到了理论与实际算法相结合，详解设计思路和设计步骤，向读者展示了怎样运用MATLAB R2017a进行算法的设计与开发。全书共12章，包括MATLAB的基础知识、模式识别与智能计算的概念、神经网络的算法分析、RBF网络的算法分析、模糊系统的算法分析、判别函数的算法分析、*优化的智能计算、遗传算法分析、粒子群算法分析、蚁群优化算法分析、模拟退火的算法分析、禁忌搜索的算法分析，让读者轻松利用MATLAB解决模式识别与智能计算等问题，领略到利用MATLAB实现模式识别与智能计算的简单、易学、易上手。本书可作为广大在校本科生和研究生的学习用书，也可作为科研人员和工程技术人员的参考用书。
前言
第1章 走进MATLABR2017a
1.1 了解MATLAB
1.2 MATLAB的帮助文档
1.3 MATLAB的基本元素
1.4 MATLAB的可视化
第2章 模式识别与智能计算
2.1 模式识别
2.2 分类分析
2.3 聚类分析
2.4 模式识别在科学研究中的应用
2.5 距离判别分析
2.6 贝叶斯判别
2.7 智能计算
2.8 基于群体智能优化的聚类分析
第3章 神经网络的算法分析
3.1 神经网络的基本概念
3.2 感知器神经网络
3.3 BP神经网络
3.4 自组织竞争神经网络
3.5 反馈神经网络
第4章 RBF网络的算法分析
4.1 径向基神经网络
4.2 概率神经网络
4.3 广义回归神经网络
第5章 模糊系统的算法分析
5.1 模糊系统的理论基础
5.2 模糊逻辑工具箱
5.3 模糊模式识别的方法
5.4 模糊神经网络
5.5 模糊聚类分析
5.6 模糊逼近
第6章 判别函数的算法分析
6.1 核函数方法
6.2 基于核的主成分分析方法
6.3 基于核的Fisher判别方法
6.4 基于核的投影寻踪法
6.5 势函数法
6.6 支持向量机
第7章 最优化的智能计算
7.1 最优问题的数学描述
7.2 线性规划智能计算
7.3 整数规划智能计算
7.4 非线性规划智能计算
7.5 二次规划智能计算
7.6 多目标规划的智能计算
第8章 遗传算法分析
8.1 遗传算法的基本概述
8.2 遗传算法的分析
8.3 控制参数的选择
8.4 遗传算法的MATLAB实现
8.5 遗传算法的寻优计算
8.6 遗传算法求极大值
8.7 基于GA_PSO算法的寻优
8.8 GA的旅行商问题求解
8.9 遗传算法在实际领域中的应用
第9章 粒子群算法分析
9.1 PSO算法的寻优计算
9.2 粒子群优化
9.3 PSO改进策略
第10章 蚁群优化算法分析
10.1 人工蚂蚁与真实蚂蚁的异同
10.2 蚁群优化算法理论的研究现状
10.3 蚁群优化算法的基本原理
10.4 蚁群优化算法的改进
10.5 聚类问题的蚁群优化算法
10.6 ACO算法的TSP求解
第11章 模拟退火算法分析
11.1 模拟退火的基本概念
11.2 模拟退火算法的基本原理
11.3 模拟退火寻优的实现步骤
11.4 模拟退火的控制参数
11.5 模拟退火改进K均值聚类法
11.6 模拟退火的MATLAB实现
第12章 禁忌搜索算法分析
12.1 局部邻域搜索
12.2 禁忌搜索的基本原理
12.3 禁忌搜索的关键技术
12.4 禁忌搜索的MATLAB实现
参考文献
