模式识别之特征选择

作者：  杨宏晖

出版社：电子工业出版社 2016年06月

简介：
本书系统深入地论述用于模式识别的特征选择的理论与方法。在内容上注重系统、全面地论述特征选择理论和方法，并力求反映国内、外特征选择领域的*发展趋势。 全书重点论述各种有监督和无监督特征选择理论及方法。全面涵盖特征选择原理、特征选择方法分类、各类特征选择方法特点及特征选择算法性能评价方法等知识。论述各种特征评价方法。论述各种滤波式、封装式特征选择方法的原理、工作流程及算法步骤。论述特征选择集成方法、特征选择方法与样本选择及分类器集成的融合方法。还包括用于无监督模式识别的基于图谱理论的特征选择方法，用于优化深度学习网络的特征选择方法等的*研究成果。 本书提供用于大型数据集和高维数据分析的特征选择算法及生物信息学应用的*资料，涵盖了水声目标识别、字符识别、基于脑功能磁共振成像和单核苷酸多态性等生物信息分析的疾病诊断的多种应用实例。 本书可作为高等院校研究生和高年级本科生的教材外，也可供计算机信息处理、水声信号处理、生物信息处理等领域中从事人工智能、模式识别、机器学习、数据挖掘工作的广大科技人员和高校师生参考。
【目录】
目 录
第1章 绪论 1
1.1 概述 1
1.2 本书章节安排 3
参考文献 4
第2章 特征选择原理 5
2.1 定义 5
2.1.1 特征相关性定义 5
2.1.2 特征选择定义 5
2.2 特征选择过程 6
2.2.1 特征子集的搜索 6
2.2.2 特征子集的评价 8
2.2.3 特征子集搜索的终止 9
2.2.4 选择结果确认 9
2.3 特征选择方法分类 9
2.3.1 滤波式（Filters） 9
2.3.2 封装式（Wrappers） 10
2.3.3 混合式（Hybrid Algorithm） 11
2.3.4 嵌入式（Embedded Solutions） 12
2.4 特征选择算法的评价 12
2.4.1 特征选择算法的两个重要参数 12
2.4.2 特征选择算法的稳定性评价 12
2.5 本章小结 14
参考文献 15
第3章 特征评价方法 17
3.1 概述 17
3.2 基于距离的评价准则 17
3.2.1 质心距离准则 17
3.2.2 类类间最小距离准则 17
3.2.3 类内间距离准则 17
3.2.4 混合距离准则 18
3.3 基于互信息理论的特征评价准则 18
3.3.1 特征选择问题中的信息熵 18
3.3.2 特征选择问题中的互信息 21
3.3.3 互信息特征评价准则 23
3.3.4 连续特征的离散化 24
3.4 基于支持向量机的特征评价准则 26
3.4.1 SVM的工作原理 26
3.4.2 SVM分类器分类性能估计及设计 33
3.4.3 基于SVM分类性能估计的特征评价准则 37
3.5 本章小结 38
参考文献 38
第4章 滤波式特征选择算法 40
4.1 顺序搜索特征选择算法 40
4.1.1 顺序向前特征选择算法 40
4.1.2 顺序向后特征选择算法 41
4.1.3 顺序双向特征选择算法 41
4.2 Relief特征选择算法 41
4.3 最近邻收缩规则 42
4.4 Simba算法 43
4.5 实验及结果 44
4.5.1 实验数据及实验设置 44
4.5.2 实验及讨论 44
4.6 本章小结 47
参考文献 47
第5章 基于人工免疫系统的特征选择算法 49
5.1 人工免疫系统的研究历史和现状 49
5.2 基于免疫机理的特征选择算法 50
5.2.1 算法原理 50
5.2.2 编码与初始种群的生成 50
5.2.3 适应度函数 50
5.2.4 免疫操作 51
5.3 基于免疫克隆机理的特征选择方法 52
5.3.1 算法原理 52
5.3.2 问题编码 53
5.3.3 亲合度函数 53
5.3.4 抗体克隆数 53
5.3.5 免疫克隆算子 53
5.4 遗传算法 55
5.4.1 遗传算法基本概念 55
5.4.2 遗传算法用于特征选择原理 55
5.5 实验与讨论 57
5.5.1 实验目的 57
5.5.2 实验数据 57
5.5.3 实验结果及讨论 57
5.6 本章小结 64
参考文献 65
第6章 特征选择、样本选择与分类器集成融合 67
6.1 概述 67
6.2 样本选择原理 67
6.2.1 样本选择的定义 67
6.2.2 样本选择的必要性 67
6.2.3 样本选择方法分类 68
6.2.4 加权最近邻收缩样本选择算法 69
6.2.5 加权免疫克隆样本选择算法 70
6.3 分类器集成 72
6.3.1 分类器集成 72
6.3.2 经典分类器集成方法 73
6.3.3 分类器选择性集成算法 76
6.4 样本选择与特征选择融合方法 79
6.4.1 WRNN-FSA融合算法 79
6.4.2 WICIS -FSA融合算法 80
6.4.3 实验与讨论 81
6.5 样本、特征与分类器集成的融合方法 85
6.5.1 样本选择、特征选择与分类器集成融合原理 85
6.5.2 MISFFS算法 86
6.5.3 WRNNIF-SVME算法 87
6.5.4 WICIF-SVME算法 87
6.5.5 实验与讨论 88
6.6 本章小结 96
参考文献 96
第7章 无监督特征选择算法 101
7.1 基于特征相关性的无监督特征选择 101
7.1.1 基于互信息的无监督特征选择 101
7.1.2 基于非参数互信息的无监督特征选择 105
7.1.3 基于特征相似性的无监督特征选择 107
7.2 基于谱图理论的无监督特征选择 110
7.2.1 基于谱的无监督特征选择 111
7.2.2 谱聚类无监督特征选择 114
7.3 本章小结 118
参考文献 118
第8章 特征选择算法集成 121
8.1 概述 121
8.2 特征选择算法集成 121
8.2.1 基本概念 121
8.2.2 个体特征选择器的生成方法 122
8.2.3 特征选择算法集成方法 124
8.3 基于特征排序表的特征选择算法集成方法 125
8.3.1 特征排序表集成概念 125
8.3.2 特征排序表集成方法 126
8.4 特征选择算法集成实验及讨论 127
8.4.1 实验数据介绍 127
8.4.2 基于Bagging的特征选择算法集成实验 127
8.4.3 IFSA算法的集成实验结果及讨论 128
8.4.4 顺序向前特征选择算法集成的实验结果及讨论 130
8.4.5 实验结论 131
8.5 特征选择算法集成的应用实例——基于fMRI图像及基因的疾病诊断 131
8.5.1 应用背景 131
8.5.2 利用特征选择与SVM集成融合fMRI和SNP数据进行疾病诊断 134
8.6 本章小结 142
参考文献 142
第9章 特征选择用于深度学习 146
9.1 深度置信网络基础模型——受限玻尔兹曼机 146
9.1.1 受限玻尔兹曼机模型 147
9.1.2 高斯-伯努利受限玻尔兹曼机 148
9.1.3 受限玻尔兹曼机的训练 148
9.2 深度置信网络及其特征学习 150
9.2.1 深度置信网络的提出 150
9.2.2 深度置信网络的训练 150
9.2.3 用于分类识别的深度置信网络 153
9.2.4 特征学习结果分析 153
9.3 基于互信息的深度特征优化选择 155
9.3.1 平均互信息无监督深度特征优化选择 156
9.3.2 非参数互信息无监督深度特征优化选择 161
9.3.3 信息增益有监督深度特征优化选择 165
9.3.4 联合互信息有监督深度特征优化选择 170
9.4 基于特征选择优化的DBN模型 173
9.4.1 基于特征选择优化的DBN结构 173
9.4.2 基于平均互信息特征选择优化的DBN模型 174
9.4.3 基于非参数互信息特征选择优化的DBN模型 176
9.5 本章小结 178
参考文献 178

声环境监测

作者：  杨宏晖 编著

出版社：电子工业出版社 2015-8-1

简介：环境监测是通过对影响环境质量因素的代表值的测定，确定环境质量及其变化趋势的一门科学，是环境科学中的一个重要分支学科。声环境监测是环境监测领域的重要组成部分。本书在内容上注重系统、全面地论述声环境监测基本理论和监测的方法，并力求反映国内、外声环境监测技术的**发展趋势。本书共8章，主要内容包括：概述，声环境监测方案的制定，环境噪声自动监测系统，声环境功能区监测，建筑施工场界和工业企业厂界的噪声监测，机场周围飞机噪声监测，常见机动车辆噪声监测，声环境监测质量管理。本书提供配套电子课件。

机器学习与振动信号处理

作者：  杨宏晖

出版社：电子工业出版社 2021-10-01

简介：本书详细地论述人工智能与机器学习的基础知识、振动信号处理基础知识、机器学习在振动信号处理中应用的基本理论和方法，提供各种应用实例，并阐述实现振动信号测试、分析、处理的软硬件系统，给出基于机器学习的振动信号测试、分析、处理的算法。本书内容具有典型的智、机、电跨学科特色。全书共10章，主要包括：绪论、振动测试传感器、振动测试系统、振动信号处理基础、振动信号时域处理、振动信号频域处理、基于虚拟仪器的振动信号测试与处理、机器学习基础、基于机器学习的振动信号识别原理与方法、基于机器学习的机械故障诊断。本书可作为高等院校机械、人工智能、电子信息工程、测控、自动化、计算机科学等专业技术课程的教材，也可作为相关领域的工程技术人员的参考书籍。【目录】目 录第1章 绪论 1第2章 振动测试传感器 32.1 振动的描述 32.2 质点振动系统 42.2.1 无阻尼振动系统的自由振动 42.2.2 有阻尼振动系统的衰减振动 52.2.3 质点的受迫振动 62.3 工程中的振动测试方法 72.4 常用的振动测试传感器 82.4.1 电动式传感器 82.4.2 电涡流式位移传感器 82.4.3 电感式传感器 92.4.4 电容式传感器 92.4.5 压电式加速度传感器 92.4.6 压电式力传感器 102.4.7 阻抗头 102.4.8 电阻应变式传感器 102.4.9 激光测振仪 112.5 本章小结 11第3章 振动测试系统 123.1 激振系统 123.1.1 激振信号分类 123.1.2 激振器 133.1.3 冲击锤 143.2 压电式加速度传感器测量系统 153.3 电涡流位移传感器测量系统 153.4 传感器的安装方式 163.5 振动测试仪器校准 173.5.1 分部校准与系统校准方法 173.5.2 校准法 183.5.3 相对校准法 193.6 振动测试系统中的常见问题 193.6.1 系统噪声与抑制 193.6.2 信号的隔离与屏蔽 203.6.3 信号失真问题 203.7 本章小结 21第4章 振动信号处理基础 224.1 振动信号的定义与分类 224.1.1 振动信号的定义 224.1.2 振动信号的特性与分类 224.2 振动信号处理的一般方法 244.2.1 信号预处理常用方法 244.2.2 振动信号的时域处理方法 244.2.3 振动信号的频域处理方法 244.3 高级振动信号处理方法 244.4 轴承振动信号数据 254.4.1 凯斯西储大学轴承数据采集实验 254.4.2 轴承振动数据介绍 264.5 本章小结 29第5章 振动信号时域处理 305.1 时域统计分析 305.1.1 时域统计分析的概述 305.1.2 时域统计分析常用参数及指标 305.2 相关分析 315.2.1 自相关分析的原理、算法及实现 325.2.2 自相关消噪和周期提取仿真实验 345.2.3 自相关消噪和周期提取实测实验 375.2.4 互相关分析的原理、算法及实现 415.2.5 互相关实测实验 425.3 积分和微分变换 435.3.1 积分和微分的基本原理 445.3.2 积分和微分在振动信号处理中的应用 445.4 本章小结 44第6章 振动信号频域处理 456.1 频域处理简介 456.2 傅里叶变换 456.3 功率谱密度函数 466.3.1 自功率谱分析的原理、算法及实例 476.3.2 互功率谱分析的原理及算法 496.4 频率响应函数与相干函数 506.4.1 频率响应函数分析的原理及算法 506.4.2 相干函数分析的原理及算法 516.5 窗函数在振动信号处理中的应用 536.5.1 加窗对振动信号处理的影响 536.5.2 常用窗函数的特性分析与对比 536.5.3 窗函数的选择原则 556.5.4 窗函数选择实验 556.6 三分之一倍频程分析的原理、算法、实现与应用 576.6.1 三分之一倍频程分析的原理 576.6.2 三分之一倍频程分析的算法 576.6.3 高斯白噪声的三分之一倍频程分析实验 586.7 倒频谱分析的原理、算法、实现与应用 606.7.1 实倒谱分析的原理、算法与实现 616.7.2 复倒谱分析的原理及算法 616.7.3 倒频谱分析进行故障检测的仿真实验 626.7.4 实测轴承振动信号的倒频谱分析实验 646.8 本章小结 66第7章 基于虚拟仪器的振动信号测试与处理 677.1 虚拟仪器 677.1.1 虚拟仪器的概念 677.1.2 实验室虚拟仪器工程平台 687.2 基于虚拟仪器的振动信号时域处理 697.2.1 时域统计分析 697.2.2 相关分析 717.3 基于虚拟仪器的振动信号频域处理 797.3.1 加窗处理 797.3.2 三分之一倍频程处理 827.3.3 倒谱处理 857.4 阻抗参数测试 887.4.1 机械阻抗理论 887.4.2 隔振器阻抗参数测试原理 887.4.3 隔振器阻抗参数测试系统及振动信号采集 897.4.4 基于虚拟仪器的隔振器阻抗测试平台 917.5 阻尼测试 987.5.1 阻尼测试原理 987.5.2 阻尼测试系统及振动信号采集 997.5.3 稳态方法的信号处理 1017.5.4 瞬态方法的信号处理 1047.6 本章小结 108第8章 机器学习基础 1108.1 机器学习概念 1108.1.1 机器学习问题 1108.1.2 机器学习算法的分类 1108.2 回归分析的含义、分类及应用 1108.3 一元线性回归 1118.3.1 一元线性回归模型 1118.3.2 损失函数 1118.3.3 一元线性回归算法及分析 1128.4 梯度下降法 1148.4.1 随机梯度下降法 1148.4.2 批量梯度下降法 1158.4.3 小批量梯度下降法 1158.5 多元线性回归 1168.5.1 多元线性回归原理 1168.5.2 多元线性回归应用实例 1178.6 逻辑回归 1188.6.1 逻辑回归原理 1188.6.2 逻辑回归分类算法应用实例 1208.7 本章小结 121第9章 基于机器学习的振动信号识别原理与方法 1229.1 基于机器学习的振动信号识别原理 1229.2 支持向量机 1229.2.1 线性支持向量机 1229.2.2 非线性支持向量机 1249.2.3 SVM多类分类算法 1259.2.4 SVM分类器的分类性能估计 1259.3 浅层神经网络 1269.3.1 神经网络概述 1269.3.2 BP神经网络算法 1299.4 深度学习神经网络 1329.4.1 深度置信网络 1329.4.2 深度卷积神经网络 1369.5 本章小结 139第10章 基于机器学习的机械故障诊断 14010.1 机械故障诊断 14010.1.1 建立机械故障诊断需求 14010.1.2 机械故障诊断调查的步骤 14010.1.3 故障模式症状分析 14110.1.4 评级指南 14110.1.5 用于诊断的数据与信息 14410.1.6 机器故障诊断方法 14510.2 滚动轴承概述 15010.2.1 轴承的分类 15010.2.2 滚动轴承的基本结构 15010.2.3 滚动轴承的主要振动来源 15110.3 轴承振动信号特性 15310.3.1 时域特性 15310.3.2 频域特性 15810.3.3 轴承状态的简易诊断 16310.4 基于CNN的轴承故障类型的诊断 16510.4.1 CNN基本结构分析 16510.4.2 诊断流程 16610.4.3 故障轴承数据预处理 16610.4.4 CNN结构设计 16710.4.5 诊断结果与分析 16710.5 本章小结 168附录A 振动测试相关标准 169附录B 阻尼材料 阻尼性能测试方法GB/T 18258—2000 171附录C 振动与冲击 机械导纳的实验确定 178附录D 声学与振动 弹性元件振动——声传递特性实验室测量方法 192参考文献 210