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

模式識別(普通高等教育一流本科專業建設系列教材)

  • 作者：編者:張東波|責編:孫露露//王會明
  • 出版社：科學
  • ISBN：9787030785084
  • 出版日期：2024/05/01
  • 裝幀：平裝
  • 頁數：183
人民幣：RMB 48 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本立足於統計模式識別理論，介紹模式識別原理與方法的教材。全書共7章，按照監督模式識別和非監督模式識別兩類問題組織教材內容，其中重點介紹監督模式識別系統中的分類器設計和特徵獲取兩個核心環節的理論與方法。本書整體內容邏輯線索清晰，關鍵要點總結全面，同時配有大量的例題，有助於讀者閱讀和理解。每章后的習題供讀者學習使用，同時附帶的思考題對啟發讀者的深入思考有積極意義。
    本書適合作為高等院校電子信息類專業及人工智慧相關專業的高年級本科生和研究生學習模式識別的教材或參考書，也可供從事模式識別工作的廣大科技工作人員參考。建議將全書作為研究生的教學內容，而目錄中不帶*號的部分可以由教師選擇作為本科生課程的內容。
作者介紹
編者:張東波|責編:孫露露//王會明
目錄
第1章  緒論
  1.1  模式識別概念與內涵
  1.2  模式識別問題描述
    1.2.1  認識模式識別問題
    1.2.2  模式識別問題基本術語說明
    1.2.3  特徵空間、假設空間與解釋空間的關係
  1.3  模式識別系統組成
    1.3.1  模式識別系統的基本構成
    1.3.2  模式識別系統構建的核心問題
  1.4  模式識別方法分類
    1.4.1  基於知識和數據的模式識別
    1.4.2  監督與非監督模式識別
  1.5  模式識別應用舉例
    1.5.1  人臉識別
    1.5.2  語音識別
    1.5.3  字元與文字識別
    1.5.4  車牌識別
    1.5.5  故障診斷
    1.5.6  信用卡風險預警
  本章小結
  習題
  思考題
第2章  基於概率統計的貝葉斯分類器
  2.1  引言
  2.2  最小錯誤率貝葉斯分類器
    2.2.1  分類決策的錯誤率及決策規則
    2.2.2  兩類別問題最小錯誤率貝葉斯決策規則的等價形式
    2.2.3  決策出錯情況分析
  2.3  最小風險貝葉斯分類器
    2.3.1  最小風險決策問題表述
    2.3.2  最小風險貝葉斯決策過程及等價決策規則
  2.4  N-P決策分類
  2.5  判別函數與判別面
  2.6  正態分佈下的貝葉斯分類器
    2.6.1  單變數正態分佈
    2.6.2  多變數正態分佈
    2.6.3  正態分佈下的貝葉斯決策
  2.7  貝葉斯分類器錯誤率計算
    2.7.1  正態分佈且協方差矩陣相等情況下的貝葉斯分類器錯誤率計算
    2.7.2  錯誤率的實驗估計
  2.8  概率密度函數的參數估計
    2.8.1  最大似然估計
    2.8.2  貝葉斯估計和貝葉斯學習
  2.9  概率密度函數的非參數估計
    2.9.1  非參數估計基本原理
    2.9.2  kN近鄰估計
    2.9.3  Parzen窗估計
  本章小結
  習題
  思考題

第3章  線性分類器
  3.1  引言
  3.2  線性判別函數幾何性質
  3.3  基於Fisher準則的線性分類器
  3.4  基於感知器準則的線性分類器
  3.5  基於均方誤差準則的線性分類器
  3.6  *基於最大間隔距離的超平面和線性支持向量機
  3.7  多類情況下的線性分類器
    3.7.1  多個兩分類器組合
    3.7.2  多類線性分類器直接設計
  本章小結
  習題
  思考題
第4章  非線性分類器
  4.1  引言
  4.2  分段線性判別函數
    4.2.1  基於距離的分段線性判別函數
    4.2.2  一般的分段線性判別函數
  4.3  二次判別函數
  4.4  多層感知器神經網路與深度神經網路
    4.4.1  感知器神經元和感知器
    4.4.2  多層感知器神經網路的學習
    4.4.3  用於模式識別的多層感知器神經網路
    4.4.4  深度卷積神經網路
  4.5  *廣義線性判別函數與支持向量機
    4.5.1  廣義線性判別函數
    4.5.2  支持向量機
    4.5.3  常用核函數及其應用
  4.6  *核函數與核方法
  4.7  近鄰法
    4.7.1  最近鄰決策
    4.7.2  k-近鄰決策
    4.7.3  近鄰法的改進演算法
  4.8  決策樹
    4.8.1  決策樹模型
    4.8.2  構建決策樹
  4.9  *Logistic回歸
  本章小結
  習題
  思考題
第5章  特徵的選擇和變換
  5.1  引言
  5.2  特徵可分性準則
    5.2.1  基於類內、類間距離的可分性判據
    5.2.2  基於概率分佈的可分性判據
    5.2.3  基於熵的可分性判據
  5.3  特徵選擇演算法
    5.3.1  特徵選擇的最優演算法
    5.3.2  特徵選擇的次優演算法
  5.4  特徵提取

    5.4.1  基於空間分佈類別可分性判據的特徵提取
    5.4.2  K-L變換
    5.4.3  PCA分析
    5.4.4  *MDS分析
  本章小結
  習題
  思考題
第6章  非監督模式識別
  6.1  引言
  6.2  相似度度量與聚類準則
    6.2.1  相似度度量
    6.2.2  聚類準則
  6.3  基於原型的聚類
    6.3.1  k-均值聚類演算法
    6.3.2  迭代自組織聚類演算法
    6.3.3  *高斯混合聚類演算法
  6.4  *基於密度的聚類
  6.5  層級化聚類
  6.6  *聚類質量評價指標
    6.6.1  外部評價指標
    6.6.2  內部評價指標
  本章小結
  習題
  思考題
第7章  模式識別模型評估與選擇
  7.1  引言
  7.2  關於誤差
  7.3  評估方法
    7.3.1  留出法
    7.3.2  交叉驗證法
    7.3.3  自助法
  7.4  評價指標
    7.4.1  錯誤率和準確率
    7.4.2  查准率、查全率和F1
    7.4.3  P-R、ROC與AUC
  7.5  *比較檢驗
    7.5.1  假設檢驗
    7.5.2  交叉驗證t檢驗
    7.5.3  McNemar檢驗
    7.5.4  Friedman檢驗與Nemenyi檢驗
  本章小結
  習題
  思考題
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