掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
模式識別 版權信息
- ISBN：9787312026546
- 條形碼：9787312026546 ; 978-7-312-02654-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
模式識別 本書特色
本書為“中國科學技術大學精品教材”中的一本。全書共分七章，主要介紹了統計模式識別中的幾何方法，統計模式識別中的概率方法，分類器的錯誤率，統計模式識別中的聚類方法等內容。本書內容新穎，重點突出，可作為電子信息類各專業高年級本科生和碩士研究生模式識別課程的教材，也可供從事模式識別相關研究的教師和科研人員參考。
模式識別 內容簡介
本書由七章組成。**章為緒論。第二章介紹統計模式識別中的幾何方法。第三章介紹統計模式識別中的概率方法。第四章討論典型分類器錯誤概率的計算問題。第五章討論無監督情況下的模式識別問題。第六章討論結構模式識別問題。*后，在第七章對全書進行總結。
模式識別 目錄
總序
前言
第1章 緒論
1.1 模式和模式識別
1.2 模式的分類
1.3 模式識別系統的基本構成
1.4 模式識別方法及其分類
1.5 模式識別舉例
1.6 本書內容安排
第2章 統計模式識別中的幾何方法
2.1 統計分類的基本思想
2.1.1 特征空間和分類器設計
2.1.2 兩個例子
2.2 模式的相似性度量和*小距離分類器
2.2.1 相似性度量和距離函數
2.2.2 *小距離分類器
2.3 線性可分情況下的幾何分類法
2.3.1 線性判別函數和線性分類器
2.3.2 線性判別函數的參數確定
2.3.3 感知器算法
2.3.4 收斂性定理
2.3.5 梯度下降法
2.3.6 *小平方誤差法
2.4 非線性可分情況下的幾何分類法
2.4.1 廣義線性判別函數法
2.4.2 分段線性判別函數法
2.4.3 非線性判別函數法：位勢函數法
2.5 線性可分問題的非迭代解法
2.6 *優分類超平面
本章小結
第3章 統計模式識別中的概率方法
3.1 用概率方法描述分類問題
3.2 幾個相關的概念
3.3 *小錯誤概率判決準則
3.4 *小風險判決規則
3.5 貝葉斯統計判決規則的似然比表現形式
3.5.1 *小錯誤概率判決規則的似然比表現形式
3.5.2 *小風險判決規則的似然比表現形式
3.6 拒絕判決
3.7 貝葉斯分類器的一般結構
3.8 neyman-pearson判決規則
3.9 *小*大判決規則
3.10 基于分段線性化的分類器設計
3.11 正態分布下的分類器設計
3.11.1 正態分布的定義和若干性質
3.11.2 正態分布下的分類器設計
3.12 有監督情況下類條件概率密度的參數估計
3.12.1 *大似然估計
3.12.2 貝葉斯估計和貝葉斯學習
3.13 非監督情況下類條件概率密度的參數估計
3.14 類條件概率密度的非參數估計
3.14.1 非參數估計的基本概念和方法
3.14.2 parzen窗估計法
3.14.3 kn-近鄰估計法
3.14.4 正交級數副近法
本章小結
第4章 分類器的錯誤率
4.1 正態分布下的錯誤率
4.2 樣本各維之間統計獨立情況下的錯誤率
4.3 錯誤率界限的理論估計
4.3.1 chernoff界限
4.3.2 bhattacharyya界限
4.4 近鄰分類法的錯誤率
4.5 分類器錯誤率的實驗估計
4.5.1 已訓練分類器錯誤率的實驗估計
4.5.2 有限樣本情況下分類器錯誤率的實驗估計
本章小結
第5章 統計模式識別中的聚類方法
5.1 聚類分析
5.2 聚類準則
5.2.1 誤差平方和準則函數
5.2.2 權平均平方距離和準則函數
5.2.3 類間距離和準則函數
5.2.4 離散度準則函數
5.3 基于分裂的聚類算法
5.3.1 簡單增類聚類算法
5.3.2 改進的增類聚類算法
5.4 基于合并的聚類算法
5.5 動態聚類算法
5.5.1 c-均值動態聚類算法(i)
5.5.2 c-均值動態聚類算法(ⅱ)
5.5.3 isodata算法
5.5.4 基于樣本和核的相似性度量的動態聚類算法
5.6 基于近鄰函數值準則的聚類算法
5.7 *小張樹聚類算法
本章小結
第6章 結構模式識別中的句法方法
6.1 模式基元和模式結構的表達
6.2 形式語言基礎
6.2.1 集合、集合間的關系和集合運算
6.2.2 符號串和語言
6.2.3 文法
6.2.4 文法的分類
6.3 有限狀態自動機
6.3.1 確定的有限狀態自動機
6.3.2 非確定的有限狀態自動機
6.3.3 有限狀態自動機之間的等價
6.3.4 有限狀態文法和有限狀態自動機
6.4 下推自動機
6.4.1 下推自動機的即時描述
6.4.2 上下文無關文法和下推自動機
6.5 圖靈機
6.6 關于語言、文法和自動機的再討論
6.6.1 語言的命名
6.6.2 從語言構建自動機
6.6.3 語言類型的確定
6.7 句法分析
6.7.1 正向剖析過程的樹表示
6.7.2 先驗規則引導的樹正向剖析算法
6.7.3 基于三角表格的反向剖析算法
6.8 文法推斷
6.8.1 正則文法的推斷
6.8.2 非正則文法的推斷
本章小結
第7章 總結
附錄
參考文獻
前言
第1章 緒論
1.1 模式和模式識別
1.2 模式的分類
1.3 模式識別系統的基本構成
1.4 模式識別方法及其分類
1.5 模式識別舉例
1.6 本書內容安排
第2章 統計模式識別中的幾何方法
2.1 統計分類的基本思想
2.1.1 特征空間和分類器設計
2.1.2 兩個例子
2.2 模式的相似性度量和*小距離分類器
2.2.1 相似性度量和距離函數
2.2.2 *小距離分類器
2.3 線性可分情況下的幾何分類法
2.3.1 線性判別函數和線性分類器
2.3.2 線性判別函數的參數確定
2.3.3 感知器算法
2.3.4 收斂性定理
2.3.5 梯度下降法
2.3.6 *小平方誤差法
2.4 非線性可分情況下的幾何分類法
2.4.1 廣義線性判別函數法
2.4.2 分段線性判別函數法
2.4.3 非線性判別函數法：位勢函數法
2.5 線性可分問題的非迭代解法
2.6 *優分類超平面
本章小結
第3章 統計模式識別中的概率方法
3.1 用概率方法描述分類問題
3.2 幾個相關的概念
3.3 *小錯誤概率判決準則
3.4 *小風險判決規則
3.5 貝葉斯統計判決規則的似然比表現形式
3.5.1 *小錯誤概率判決規則的似然比表現形式
3.5.2 *小風險判決規則的似然比表現形式
3.6 拒絕判決
3.7 貝葉斯分類器的一般結構
3.8 neyman-pearson判決規則
3.9 *小*大判決規則
3.10 基于分段線性化的分類器設計
3.11 正態分布下的分類器設計
3.11.1 正態分布的定義和若干性質
3.11.2 正態分布下的分類器設計
3.12 有監督情況下類條件概率密度的參數估計
3.12.1 *大似然估計
3.12.2 貝葉斯估計和貝葉斯學習
3.13 非監督情況下類條件概率密度的參數估計
3.14 類條件概率密度的非參數估計
3.14.1 非參數估計的基本概念和方法
3.14.2 parzen窗估計法
3.14.3 kn-近鄰估計法
3.14.4 正交級數副近法
本章小結
第4章 分類器的錯誤率
4.1 正態分布下的錯誤率
4.2 樣本各維之間統計獨立情況下的錯誤率
4.3 錯誤率界限的理論估計
4.3.1 chernoff界限
4.3.2 bhattacharyya界限
4.4 近鄰分類法的錯誤率
4.5 分類器錯誤率的實驗估計
4.5.1 已訓練分類器錯誤率的實驗估計
4.5.2 有限樣本情況下分類器錯誤率的實驗估計
本章小結
第5章 統計模式識別中的聚類方法
5.1 聚類分析
5.2 聚類準則
5.2.1 誤差平方和準則函數
5.2.2 權平均平方距離和準則函數
5.2.3 類間距離和準則函數
5.2.4 離散度準則函數
5.3 基于分裂的聚類算法
5.3.1 簡單增類聚類算法
5.3.2 改進的增類聚類算法
5.4 基于合并的聚類算法
5.5 動態聚類算法
5.5.1 c-均值動態聚類算法(i)
5.5.2 c-均值動態聚類算法(ⅱ)
5.5.3 isodata算法
5.5.4 基于樣本和核的相似性度量的動態聚類算法
5.6 基于近鄰函數值準則的聚類算法
5.7 *小張樹聚類算法
本章小結
第6章 結構模式識別中的句法方法
6.1 模式基元和模式結構的表達
6.2 形式語言基礎
6.2.1 集合、集合間的關系和集合運算
6.2.2 符號串和語言
6.2.3 文法
6.2.4 文法的分類
6.3 有限狀態自動機
6.3.1 確定的有限狀態自動機
6.3.2 非確定的有限狀態自動機
6.3.3 有限狀態自動機之間的等價
6.3.4 有限狀態文法和有限狀態自動機
6.4 下推自動機
6.4.1 下推自動機的即時描述
6.4.2 上下文無關文法和下推自動機
6.5 圖靈機
6.6 關于語言、文法和自動機的再討論
6.6.1 語言的命名
6.6.2 從語言構建自動機
6.6.3 語言類型的確定
6.7 句法分析
6.7.1 正向剖析過程的樹表示
6.7.2 先驗規則引導的樹正向剖析算法
6.7.3 基于三角表格的反向剖析算法
6.8 文法推斷
6.8.1 正則文法的推斷
6.8.2 非正則文法的推斷
本章小結
第7章 總結
附錄
參考文獻
展開全部
模式識別 節選
《模式識別》主要介紹統計模式識別和結構模式識別的相關內容。全書由7章組成，第1章為緒論，第2章介紹統計模式識別中的幾何方法，著重介紹特征空間的概念和相關分類器的設計方法。第3章介紹統計模式識別中的概率方法，著重介紹*小錯誤概率分類器、*小風險分類器、紐曼皮爾遜分類器和*小*大分類器以及概率密度函數的參數估計和非參數估計等。第4章討論典型分類器錯誤概率的計算問題。第5章討論無監督情況下的模式識別問題，著重介紹幾種典型的聚類算法：基于分裂的聚類方法、基于合并的聚類方法、動態聚類方法、基于核函數的聚類方法和近鄰函數值聚類方法等。第6章討論結構模式識別問題，給出幾種典型的文法規則和與之相關聯的識別裝置，包括有限狀態自動機、下推自動機和圖靈機等。*后，在第7章對全書進行總結。《模式識別》可作為電子信息類各專業高年級本科生和碩士研究生模式識別課程的教材，也可供從事模式識別相關研究的教師和科研人員參考。
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
伯納黛特,你要去哪(2021新版)
- >
中國歷史的瞬間
- >
我從未如此眷戀人間
- >
羅曼·羅蘭讀書隨筆-精裝
- >
推拿
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
自卑與超越
本類暢銷
