幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大類別集分類與自適應及其在漢字識別中的應用/CCF優秀博士學位論文叢書

  • 作者：張煦堯|責編:游靜
  • 出版社：機械工業
  • ISBN：9787111713289
  • 出版日期：2023/01/01
  • 裝幀：平裝
  • 頁數：162
人民幣：RMB 39 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書從大類別集和非獨立同分佈的角度出發，分別對降維、分類器學習、分類器自適應三方面的研究進行了深入的闡述，並且通過實驗證明了在聯機及離線手寫漢字識別上本書方法的性能優於傳統方法。本書主要內容包括：基於加權Fisher準則的大類別集降維、基於局部平滑的修正二次判別函數、基於風格遷移映射的分類器自適應、基於風格歸一化的模式域分類。
    本書可以幫助讀者了解手寫體漢字識別方面的研究進展，可作為人工智慧、模式識別領域的高校研究生、科研工作者的參考用書。
作者介紹
張煦堯|責編:游靜
    張煦堯，博士，中國科學院自動化研究所副研究員。2008年獲武漢大學計算數學學士學位，2013年獲中國科學院自動化研究所模式識別與智能系統博士學位，2015年作為國家公派訪問學者前往加拿大蒙特利爾大學進行訪問研究。主要研究興趣包括模式識別、機器學習、文字識別以及深度學習。在模式識別和人工智慧頂級期刊與會議（包括PIEEE、IEEET PAMI、CVPR、ICCV等）上發表論文80余篇。擔任國際期刊IEEE Transactions on Image Processing和Pattern Recognition的編委。榮獲國家優秀青年科學基金、吳文俊人工智慧優秀青年獎和朱李月華優秀教師獎。
目錄
叢書序
導師序
摘要
ABSTRACT
插圖索引
表格索引
第1章  緒論
  1.1  背景介紹和研究意義
    1.1.1  特徵描述
    1.1.2  分類器設計
    1.1.3  分類器自適應
    1.1.4  大類別集漢字識別
  1.2  本書主要內容及貢獻
  1.3  本書組織結構
第2章  基於加權Fisher準則的大類別集降維
  2.1  引言
  2.2  FDA和類別可分性問題
    2.2.1  第一步：白化（whitening）
    2.2.2  第二步：白化空間的PCA
    2.2.3  類別可分性問題
  2.3  加權Fisher準則
    2.3.1  加權函數
    2.3.2  加權空間
  2.4  對不同加權Fisher準則的評估
    2.4.1  數據集
    2.4.2  分類器
    2.4.3  實驗設置
    2.4.4  實驗結果
    2.4.5  統計顯著性
    2.4.6  五種加權函數的比較
    2.4.7  計算複雜度比較
    2.4.8  三種加權空間的比較
    2.4.9  空間不變性
    2.4.10  形近字分析
  2.5  樣本級別的加權Fisher準則
    2.5.1  SKNN：樣本級別的KNN方法
    2.5.2  漢字識別中的其他降維方法
    2.5.3  性能評估
  2.6  本章小結
第3章  基於局部平滑的修正二次判別函數
  3.1  引言
    3.1.1  二次判別函數QDF
    3.1.2  修正二次判別函數MQDF
  3.2  對MQDF的改進
  3.3  局部平滑的修正二次判別函數LSMQDF
    3.3.1  極大似然估計
    3.3.2  局部平滑：LSMQDF
    3.3.3  局部平滑與全局平滑
  3.4  實驗結果
    3.4.1  LSMQDF用於離線識別

    3.4.2  不同維數的影響
    3.4.3  不同訓練數據量的影響
    3.4.4  對K的選擇
    3.4.5  對β的選擇
    3.4.6  LSMQDF用於聯機識別
  3.5  本章小結
第4章  基於風格遷移映射的分類器自適應
  4.1  引言
  4.2  歷史回顧
  4.3  風格遷移映射
  4.4  源點集和目標點集
    4.4.1  源點集
    4.4.2  LVQ的目標點集
    4.4.3  MQDF的目標點集
  4.5  置信度估計
  4.6  分類器自適應
    4.6.1  監督的自適應
    4.6.2  非監督的自適應
    4.6.3  半監督的自適應
  4.7  實驗結果
    4.7.1  資料庫
    4.7.2  實驗設置
    4.7.3  LVQ自適應
    4.7.4  MQDF自適應
    4.7.5  置信度估計的影響
    4.7.6  對STM和MLLR的比較
    4.7.7  模型參數選擇
  4.8  本章小結
第5章  基於風格歸一化的模式域分類
  5.1  引言
  5.2  模式域分類簡介
    5.2.1  歷史回顧
    5.2.2  本章工作
  5.3  貝葉斯模式域分類
    5.3.1  基本假設
    5.3.2  模型定義
    5.3.3  對未知樣本的預測
    5.3.4  優化
    5.3.5  特殊情況
  5.4  實驗結果
    5.4.1  不同姿態下的人臉識別
    5.4.2  多說話者母音分類
    5.4.3  多書寫人手寫字元識別
  5.5  本章小結
第6章  總結和展望
  6.1  本書研究成果
  6.2  未來工作展望
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032