第1章 走进MATLAB R2017a
1.1 了解MATLAB
1.1.1 MATLAB的优势
1.1.2 MATLAB R2017a的新功能
1.1.3 MATLAB R2017a的安装与激活
1.1.4 MATLAB R2017a的工作界面
1.1.5 MATLAB的快速入门
1.1.6 MATLAB的程序设计
1.2 MATLAB的帮助文档
1.2.1 常用帮助命令
1.2.2 其他帮助命令
1.3 MATLAB的基本元素
1.3.1 赋值语句
1.3.2 矩阵及其元素表示
1.3.3 矩阵的变换函数
1.3.4 矩阵的代数运算
1.3.5 矩阵函数
1.4 MATLAB的可视化
1.4.1 二维平面图形
1.4.2 三维绘图
第2章 模式识别与智能计算
2.1 模式识别
2.1.1 模式识别的定义
2.1.2 模式识别的分类
2.1.3 模式识别的方法
2.1.4 统计模式识别
2.1.5 模式识别的应用
2.1.6 模式识别的发展潜力
2.2 分类分析
2.2.1 分类器的设计
2.2.2 分类器的构造和实施
2.2.3 分类器的基本类型
2.2.4 分类器的准确度评估方法
2.3 聚类分析
2.3.1 聚类与分类的区别
2.3.2 聚类的定义
2.3.3 模式相似度
2.3.4 聚类准则
2.3.5 层次聚类法
2.3.6 动态聚类法
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
3.1.1 生物神经元的结构及功能特点
3.1.2 人工神经元模型
3.1.3 神经网络的分类
3.1.4 神经网络的学习
3.2 感知器神经网络
3.2.1 单层感知器
3.2.2 单层感知器的算法
3.2.3 感知器的实现
3.3 BP神经网络
3.3.1 BP神经网络的结构
3.3.2 BP神经网络的学习算法
3.3.3 BP神经网络的局限性
3.3.4 BP神经网络的实现
3.4 自组织竞争神经网络
3.4.1 自组织竞争神经网络的结构
3.4.2 自组织竞争网络的学习策略
3.4.3 SOM网的学习算法
3.4.4 学习矢量量化网络
3.4.5 自组织竞争网络的实现
3.5 反馈神经网络
3.5.1 Hopfield神经网络
3.5.2 Elman神经网络
第4章 RBF网络的算法分析
4.1 径向基神经网络
4.1.1 RBF神经网络结构
4.1.2 RBF神经网络的训练
4.1.3 RBF神经网络逼近
4.1.4 RBF自校正控制
4.1.5 自适应RBF神经网络
4.1.6 RBF神经网络的直接鲁棒自适应
4.1.7 径向基神经网络的优缺点
4.1.8 径向基神经网络的实现
4.2 概率神经网络
4.3 广义回归神经网络
4.3.1 广义回归神经网络的理论
4.3.2 广义回归神经网络的结构
4.3.3 广义回归神经网络的优点
4.3.4 广义神经网络的实现
第5章 模糊系统的算法分析
5.1 模糊系统的理论基础
5.1.1 模糊系统的研究领域
5.1.2 模糊集合
5.1.3 模糊规则
5.1.4 模糊推理
5.2 模糊逻辑工具箱
5.2.1 模糊逻辑工具箱的功能和特点
5.2.2 模糊推理系统的基本类型
5.2.3 模糊逻辑系统的构成
5.2.4 模糊逻辑系统的实现
5.3 模糊模式识别的方法
5.3.1 最大隶属度原则
5.3.2 选择原则
5.4 模糊神经网络
5.4.1 模糊神经网络的发展动向
5.4.2 Mamdani模型的模糊神经网络
5.4.3 Takagi-Sugeno模型的模糊神经网络
5.4.4 模糊神经系统的实现
5.5 模糊聚类分析
5.6 模糊逼近
5.6.1 模糊系统的设计
5.6.2 模糊系统的逼近精度
5.6.3 模糊逼近的实现
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
6.2.1 主成分分析
6.2.2 基于核的主成分分析
6.2.3 核主成分分析的实现
6.3 基于核的FISHER判别方法
6.3.1 Fisher判别方法
6.3.2 基于核的Fisher算法的应用
6.4 基于核的投影寻踪法
6.4.1 投影寻踪法
6.4.2 基于核的投影寻踪分析
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
7.2.1 线性规划问题的求解
7.2.2 线性规划的智能计算的实现
7.3 整数规划智能计算
7.3.1 整数规划的数学模型
7.3.2 整数规划的智能计算实现
7.4 非线性规划智能计算
7.4.1 非线性规划的数学模型
7.4.2 求解非线性规划智能计算的方法
7.4.3 非线性规划智能计算的实现
7.5 二次规划智能计算
7.5.1 二次规划问题的数学模型
7.5.2 二次规划问题的方法
7.5.3 二次规划的智能计算应用
7.6 多目标规划的智能计算
7.6.1 多目标规划的数学模型
7.6.2 多目标规划问题的处理方法
7.6.3 多目标规划智能

辛焕平编著的《MATLAB R2017a模式识别与智能计算/MATLAB仿真应用精品丛书》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、最优化的智能计算、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。