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

人工智慧與模式識別(面向新工科的電工電子信息基礎課程系列教材)

  • 作者：編者:陳浩//杜春//李沛秦//熊偉|責編:文怡
  • 出版社：清華大學
  • ISBN：9787302672609
  • 出版日期：2024/09/01
  • 裝幀：平裝
  • 頁數：262
人民幣：RMB 65 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    模式識別是人工智慧技術的重要分支，也是實現機器智能的重要手段。本書作為該領域的人門教材，介紹了各類典型的模式識別的理論與方法。全書共10章。第1章為緒論；第2?5章介紹與模式識別相關的人工智慧基礎知識，包括智能Agent、確定性知識表示與推理、搜索策略、智能優化演算法等；第6章介紹特徵提取與選擇方法，應用於模式識別中的預處理過程；第7?10章介紹各種典型的模式識別模型和演算法，包括基於判別函數的分類方法、基於概率的分類方法、人工神經網路，以及聚類分析。
    本書可作為高等院校電子信息類、電腦類、自動化類及相關專業的本科生或研究生教材，也可供對人工智慧、模式識別、機器學習、數據挖掘等領域感興趣的研究人員和工程技術人員參考
作者介紹
編者:陳浩//杜春//李沛秦//熊偉|責編:文怡
目錄
第1章  緒論
  1.1  人工智慧的概念
    1.1.1  人工智慧的解釋
    1.1.2  人工智慧的研究目標
  1.2  人工智慧發展簡史
    1.2.1  人工智慧孕育期（1943-1955年）
    1.2.2  人工智慧誕生（1956年）
    1.2.3  早期的成功與期望（1956-1969年）
    1.2.4  人工智慧第一次低谷（1966-1973年）
    1.2.5  基於知識系統的崛起（1969-1986年）
    1.2.6  人工智慧第二次低谷（1987-1993年）
    1.2.7  人工智慧平穩發展期（1993-2011年）
    1.2.8  人工智慧蓬勃發展時期（2012年至今）
  1.3  人工智慧各學派的認知觀
    1.3.1  符號主義學派
    1.3.2  聯結主義學派
    1.3.3  行為主義學派
    1.3.4  三大學派的關係
  1.4  人工智慧的典型研究和應用領域
    1.4.1  機器學習
    1.4.2  模式識別
    1.4.3  數據挖掘
    1.4.4  計算智能
    1.4.5  專家系統
    1.4.6  自動程序設計
    1.4.7  機器人學
  1.5  本章小結
  習題
第2章  智能Agent
  2.1  Agent的概念及其理性行為
    2.1.1  Agent的概念
    2.1.2  Agent的特性
    2.1.3  Agent的理性
  2.2  Agernt的任務環境
    2.2.1  任務環境規範描述
    2.2.2  任務環境的性質
  2.3  Agent的典型結構
    2.3.1  簡單反射型Agent
    2.3.2  模型反射型Agent
    2.3.3  目標驅動型Agent
    2.3.4  學習型Agent
  2.4  本章小結
  習題
第3章  確定性知識表示與推理
  3.1  確定性知識系統概述
    3.1.1  確定性知識表示的概念
    3.1.2  確定性知識推理概述
  3.2  確定性知識的表示
    3.2.1  謂詞邏輯表示法
    3.2.2  產生式表示法

    3.2.3  語義網路表示法
  3.3  確定性知識推理
    3.3.1  產生式推理
    3.3.2  自然演繹推理
    3.3.3  歸結演繹推理
  3.4  本章小結
  習題
第4章  搜索策略
  4.1  搜索概述
    4.1.1  搜索的含義
    4.1.2  狀態空間求解方法
    4.1.3  問題歸約求解方法
    4.1.4  圖搜索策略
  4.2  狀態空間的盲目搜索
    4.2.1  廣度優先搜索
    4.2.2  深度優先搜索
  4.3  狀態空間的啟髮式搜索
    4.3.1  啟發性信息及估價函數
    4.3.2  A演算法
    4.3.3  A*演算法
  4.4  「與/或樹」的啟髮式搜索
    4.4.1  解樹的代價估計
    4.4.2  希望解樹判定與啟髮式搜索過程
  4.5  博弈樹及其搜索
    4.5.1  博弈的含義
    4.5.2  極大/極小過程
    4.5.3  α-β剪枝
  4.6  本章小結
  習題
第5章  智能優化演算法
  5.1  智能優化演算法概述
    5.1.1  優化問題的複雜度
    5.1.2  典型智能優化演算法
    5.1.3  鄰域的概念
    5.1.4  局部搜索演算法
  5.2  模擬退火演算法
    5.2.1  模擬退火演算法的原理
    5.2.2  模擬退火演算法的描述
    5.2.3  模擬退火演算法的應用
    5.2.4  模擬退火演算法的改進
  5.3  遺傳演算法
    5.3.1  遺傳演算法的原理
    5.3.2  遺傳演算法的實現
    5.3.3  遺傳演算法的應用
    5.3.4  遺傳演算法的改進
  5.4  其他典型智能優化演算法簡介
    5.4.1  蟻群優化演算法
    5.4.2  粒子群演算法
  5.5  本章小結
  習題

第6章  特徵提取與選擇
  6.1  模式識別基礎
    6.1.1  模式識別的基本問題
    6.1.2  模式識別的基本流程
    6.1.3  模式識別中的隨機矢量
    6.1.4  模式識別方法的性能評估
    6.1.5  模式識別中的基本原則
  6.2  特徵提取與選擇概述
  6.3  類別可分性判據
    6.3.1  基於幾何距離的可分性判據
    6.3.2  基於概率分佈的可分性判據
    6.3.3  基於后驗概率的可分性判據
  6.4  典型特徵選擇方法
    6.4.1  最優搜索特徵選擇方法
    6.4.2  次優搜索特徵選擇方法
  6.5  典型特徵提取方法
    6.5.1  主成分分析法
    6.5.2  線性判別分析法
  6.6  本章小結
  習題
第7章  基於判別函數的分類方法
  7.1  線性判別函數
    7.1.1  線性判別函數的基本概念
    7.1.2  兩類分類問題的線性判別規則
    7.1.3  多類分類問題的線性判別規則
  7.2  非線性判別函數
    7.2.1  廣義線性判別函數
    7.2.2  二次判別函數法
    7.2.3  分段線性判別函數法
  7.3  支持向量機
    7.3.1  硬間隔SVM
    7.3.2  軟間隔SVM
    7.3.3  核SVM
  7.4  本章小結
  習題
第8章  基於概率的分類方法
  8.1  貝葉斯決策論
    8.1.1  從模式識別的角度認識貝葉斯公式
    8.1.2  最小誤判概率準則
    8.1.3  最小損失判決準則
    8.1.4  樸素貝葉斯分類器
  8.2  估計方法
    8.2.1  統計推斷概述
    8.2.2  參數估計方法
    8.2.3  非參數估計
  8.3  近鄰分類器
    8.3.1  近鄰分類器的導出
    8.3.2  最近鄰分類器與k近鄰分類器
  8.4  本章小結
  習題

第9章  人工神經網路
  9.1  神經網路基礎知識
    9.1.1  生物學基礎
    9.1.2  人工神經元模型
    9.1.3  網路結構
  9.2  典型神經網路及其訓練方法
    9.2.1  感知機網路
    9.2.2  BP網路
    9.2.3  Hopfield網路
    9.2.4  其他常見神經網路
  9.3  深度學習簡介
    9.3.1  深度學習基礎
    9.3.2  典型深度網路——卷積神經網路
  9.4  本章小結
  習題
第10章  聚類分析
  10.1  聚類分析概述
    10.1.1  聚類分析定義
    10.1.2  聚類分析流程及要求
    10.1.3  聚類分析的典型應用
  10.2  模式相似性測度
    10.2.1  距離測度
    10.2.2  相似測度
    10.2.3  匹配測度
  10.3  常用聚類方法
    10.3.1  K-Means聚類
    10.3.2  高斯混合聚類
    10.3.3  密度聚類
    10.3.4  順序前導聚類
    10.3.5  層次聚類
  10.4  本章小結
  習題
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