第1章　緒論
　1.1　模式分類的基本哲學思想與可分性原理
　　1.1.1　模式分類的基本哲學思想
　　1.1.2　模式可分性原理
　　1.1.3　非線性變換與優(yōu)化算法
　　1.1.4　模式分類的幾個基本途徑
　1.2　模式識別的實現(xiàn)原理
　　1.2.1　統(tǒng)計模式識別與結(jié)構(gòu)模式識別
　　1.2.2　基于表示原理的模式識別方法
　1.3　可視化與可視分析
　　1.3.1　可視化技術(shù)分類
　　1.3.2　可視化技術(shù)問題及發(fā)展方向
　1.4　可視化模式識別框架
第2章　可視化模式識別理論基礎(chǔ)
　2.1　可視化模式識別基本原理 第1章　緒論
　1.1　模式分類的基本哲學思想與可分性原理
　　1.1.1　模式分類的基本哲學思想
　　1.1.2　模式可分性原理
　　1.1.3　非線性變換與優(yōu)化算法
　　1.1.4　模式分類的幾個基本途徑
　1.2　模式識別的實現(xiàn)原理
　　1.2.1　統(tǒng)計模式識別與結(jié)構(gòu)模式識別
　　1.2.2　基于表示原理的模式識別方法
　1.3　可視化與可視分析
　　1.3.1　可視化技術(shù)分類
　　1.3.2　可視化技術(shù)問題及發(fā)展方向
　1.4　可視化模式識別框架
第2章　可視化模式識別理論基礎(chǔ)
　2.1　可視化模式識別基本原理
　2.2　可視化放大人類感知的科學基礎(chǔ)
　2.3　幾何代數(shù)
　　2.3.1　幾何代數(shù)公理化定義
　　2.3.2　幾何代數(shù)基本概念和定理
　　2.3.3　共形幾何代數(shù)表示
　2.4　形式概念分析
　　2.4.1　形式背景與概念
　　2.4.2　概念格的生成與可視化方法
第3章　可視化模式識別的表示問題
　3.1　模式識別的表示問題
　3.2　表示的理解與表示的原則
　3.3　表示的方法
　　3.3.1　原始數(shù)據(jù)表示
　　3.3.2　統(tǒng)計數(shù)據(jù)表示
　3.4　可視化模式識別的圖表示
　　3.4.1　高維數(shù)據(jù)的二維圖單點表示原理
　　3.4.2　高維數(shù)據(jù)的二維圖多點表示原理
　3.5　多元圖圖形基元表示和特征基元表示
　　3.5.1.多元圖圖形基元表示
　　3.5.2　多元圖特征基元表示
　3.6　多元數(shù)據(jù)子空間多向量表示矩陣
　　3.6.1　子空間多向量表示
　　3.6.2　子空間復數(shù)表示
　　3.6.3　子空間四元數(shù)表示
　3.7　子空間局部坐標系
　　3.7.1　笛卡兒坐標系
　　3.7.2　極坐標系
　　3.7.3　仿射坐標系
　　3.7.4　重心坐標系
　　3.7.5　幾種圖表示方法的子空間坐標表示模型
　3.8　基于非線性變換的圖表示優(yōu)化
　　3.8.1　非線性變換的作用與原則
　　3.8.2　多元圖表示的非線性優(yōu)化
　　3.8.3　優(yōu)化的試驗與分析
　3.9　平行坐標可視化表示優(yōu)化
　　3.9.1　凸殼定義與算法
　　3.9.2　凸殼優(yōu)化平行坐標
　3.10　星座圖表示方法優(yōu)化
第4章　基于幾何代數(shù)子空間的圖形特征提取
　4.1　多元圖表示圖形特征優(yōu)化模型
　　4.1.1　多元圖表示圖形特征學習優(yōu)化模型
　　4.1.2　圖形特征優(yōu)化算子
　　4.1.3　人機交互
　4.2　雷達圖的圖形特征提取方法
　　4.2.1　雷達圖圖形的結(jié)構(gòu)特點
　　4.2.2　面積圖形特征
　　4.2.3　重心圖形特征
　　4.2.4　圖形特征的實驗結(jié)果與分析
　4.3　特征排序優(yōu)化
　　4.3.1　圖形特征提取中的特征排序問題
　　4.3.2　基于特征選擇的特征排序方法
　　4.3.3　基于遺傳算法的特征排序方法
　　4.3.4　基于準則函數(shù)的特征排序方法
　　4.3.5　特征排序的實驗結(jié)果與分析
　4.4　傳統(tǒng)的子空間特征提取方法及實驗結(jié)果
第5章　基于幾何代數(shù)子空間的升維變換和特征選取
　5.1　基于幾何代數(shù)子空間的升維變換原理
　5.2　基于圖形特征的升維變換
　5.3　升維后的特征選取
　　5.3.1　特征選取思想
　　5.3.2　特征選擇方法
　5.4　升維變換和特征選取的實驗結(jié)果及分析
第6章　基于多元圖的圖形分類方法
　6.1　基于圖形相異度的圖形分類器
　　6.1.1　單原型圖形分類器
　　6.1.2　近鄰圖形分類器
　6.2　基于平行坐標的平行篩可視化分類方法
　6.3　基于平行坐標的貝葉斯可視化分類方法
第7章　可視化分類原理的多維篩分類器
　7.1　多維篩分類器基本原理
　7.2　多維篩與傳統(tǒng)可視化分類器的區(qū)別
　7.3　基于色度學空間的多元圖表示
　　7.3.1　傳統(tǒng)多元圖表示的局限
　　7.3.2　色度學在多元圖表示中的應用
　　7.3.3　色度多元圖的生成方法
　7.4　基于域匹配思想的類域生成原理
　　7.4.1　經(jīng)典分類界面生成算法分析
　　7.4.2　主動生長類域生成基本思想
　7.5　基于計算幾何的主動生長分類界面形成
　　7.5.1　數(shù)據(jù)描述
　　7.5.2　一維空間下的主動生長
　　7.5.3　主動生長的等效算法
　　7.5.4　高維擴展
　7.6　域匹配空間的可視化信息
　7.7　基于粗糙度的子分類器權(quán)重計算
　　7.7.1　分類界面中的模糊性
　　7.7.2　特定類粗糙度計算
　　7.7.3　子分類器空間權(quán)重計算
　7.8　類空間規(guī)整度的計算幾何組合分類器權(quán)重分配
　　7.8.1　分類界面中共生關(guān)系計算
　　7.8.2　子分類器規(guī)整度與權(quán)重計算
　7.9　多維篩分類器性能測試與評價
　　7.9.1　實驗數(shù)據(jù)
　　7.9.2　不同加權(quán)方式測試
　　7.9.3　不同分類器對比實驗
　　7.9.4　分類界面對比
第8章　基于知識可視化表示原理的模式識別方法
　8.1　屬性偏序結(jié)構(gòu)圖
　　8.1.1　屬性的基本特征
　　8.1.2　屬性偏序結(jié)構(gòu)圖
　8.2　屬性偏序結(jié)構(gòu)圖的生成
　　8.2.1　形式背景預處理
　　8.2.2　形式背景的覆蓋優(yōu)化
　　8.2.3　包含度
　　8.2.4　分層類坐標矩陣
　　8.2.5　偏序結(jié)構(gòu)圖的Matlab生成算法
　8.3　屬性偏序結(jié)構(gòu)圖在決策背景中的應用
　　8.3.1　泌尿系統(tǒng)疾病數(shù)據(jù)庫
　　8.3.2　構(gòu)建形式背景
　　8.3.3　可視化表示及知識發(fā)現(xiàn)
第9章　可視化技術(shù)的典型應用
　9.1　可視化技術(shù)在語音信號處理中的應用
　　9.1.1　語音信號的特征參數(shù)可視化
　　9.1.2　語音信號特征參數(shù)的二維可視化數(shù)據(jù)分析
　9.2　可視化技術(shù)在聲診中的應用
　　9.2.1　語譜圖原理
　　9.2.2　語譜圖的繪制步驟
　　9.2.3　基于語譜圖的聲診舉例
　9.3　可視化技術(shù)在多媒體智能信息處理系統(tǒng)的應用
　　9.3.1　多媒體智能信息處理系統(tǒng)簡介
　　9.3.2　音頻信息可視化的模式識別基礎(chǔ)
　　9.3.3　基于音頻內(nèi)容的可視化方法
　9.4　復雜過程的信息可視化
　　9.4.1　焊接溫度場的模擬
　　9.4.2　枝晶生長模擬
　9.5　文本可視化
　9.6　城市三維可視化
　9.7　醫(yī)學圖像可視化
　9.8　音樂可視化
第10章　可視化模式識別的蛋白質(zhì)組學癌癥診斷應用
　10.1　蛋白質(zhì)組學質(zhì)譜數(shù)據(jù)
　　10.1.1　SELDI—TOF MS的原理和質(zhì)譜數(shù)據(jù)生成
　　10.1.2　蛋白質(zhì)組學質(zhì)譜數(shù)據(jù)的模式識別流程
　　10.1.3　蛋白質(zhì)組學質(zhì)譜數(shù)據(jù)預處理技術(shù)
　　10.1.4　蛋白質(zhì)組學質(zhì)譜數(shù)據(jù)預處理舉例
　10.2　基于多元圖圖形特征的特征選取與分類
　　10.2.1　雷達圖圖形特征選取
　　10.2.2　雷達圖的圖形特征
　　10.2.3　基于雷達圖的圖形特征的癌癥診斷
　10.3　徑向坐標可視分析蛋白質(zhì)組學質(zhì)譜模式
　　10.3.1　二維徑向坐標映射模型
　　10.3.2　徑向坐標映射優(yōu)化
　　10.3.3　本征維數(shù)的最大似然估計
　　10.3.4　三維徑向坐標映射模型
　　10.3.5　質(zhì)譜數(shù)據(jù)的實驗結(jié)果與分析
參考文獻