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(新一代信息技術人工智慧戰略性新興領域十四五高等教育系列教材)

  • 作者：編者:龔道雄//畢盛|責編:吉玲//趙曉峰
  • 出版社：機械工業
  • ISBN：9787111771234
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：195
人民幣：RMB 49 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書面向人工智慧相關專業（智能科學與技術、控制科學與工程、電腦科學與技術）的本科生，以「從人工智慧角度理解模式識別」和「用模式識別原理解決工程問題」為目標，將內容分為基礎知識、模式分類和模式聚類三大部分，突出簡明和實用的特點。書中穿插大量案例，可以幫助學生在掌握基本概念的基礎上理解基本原理，熟悉典型方法，做到「知其然，知其所以然」。本書注重引導學生充分利用樣本資料庫和演算法庫等各種網路資源，通過課程學習、案例計算和演算法實現，分析來自生產和生活實際中的模式識別問題，採用合適的模式識別演算法和技術，通過Python和MATLAB編程構建自己的模式識別系統來解決這些問題，並能夠評估模式識別系統的性能和不足，理解不同模式識別演算法的針對性和局限性，從而提高學生理論和實踐相結合、綜合運用所學知識解決具體模式識別問題的能力，培養學生深入學習更新、更先進的模式識別知識的興趣。
    本書可作為普通高等院校自動化、人工智慧、電腦相關專業的教材，也可作為從事人工智慧和自動化系統開發應用人員的參考書。
作者介紹
編者:龔道雄//畢盛|責編:吉玲//趙曉峰
目錄
前言
第1部分  基礎知識
  第1章  模式識別系統的構成和基本概念
    1.1  模式和模式識別
      1.1.1  模式識別範疇
      1.1.2  模式識別問題的數學表達
    1.2  模式識別系統的基本構成
    1.3  模式識別的基本概念
      1.3.1  模式識別的分類和聚類
      1.3.2  樣本、特徵和特徵空間
      1.3.3  特徵選擇與降維
      1.3.4  距離與相似性度量
    1.4  模式識別系統的性能指標
      1.4.1  評估和優化模型性能的關鍵指標
      1.4.2  泛化、欠擬合與過擬合
      1.4.3  評估方法
    本章小結
    習題
    參考文獻
第2部分  模式分類
  第2章  基於判別函數的模式分類
    2.1  線性分類器
      2.1.1  線性判別函數與決策面
      2.1.2  最小二乘誤差分類（LMSE)
      2.1.3  Fisher線性判別分析（FLDA）
      2.1.4  支持向量機（SVM）
    2.2  非線性分類器
      2.2.1  多項式分類器
      2.2.2  分段線性函數分類器
      2.2.3  k近鄰演算法
      2.2.4  決策樹演算法
    2.3  組合分類器
      2.3.1  Bagging演算法
      2.3.2  Boosting演算法（含AdaBoost演算法）
      2.3.3  隨機森林
    本章小結
    習題
    參考文獻
  第3章  基於統計理論的模式分類
    3.1  貝葉斯決策和貝葉斯分類器
      3.1.1  最小風險決策
      3.1.2  最小錯誤率決策
      3.1.3  樸素貝葉斯分類器
      3.1.4  正態分佈下的貝葉斯分類器
    3.2  Neyman-Pearson決策
      3.2.1  Neyman-Pearson決策的演算法原理
      3.2.2  Neyman-Pearson決策的模式分類應用舉例
    3.3  最大似然估計
      3.3.1  最大似然估計的演算法原理
      3.3.2  最大似然估計的模式分類應用舉例

    3.4  期望最大化（EM）方法
      3.4.1  期望最大化方法
      3.4.2  期望最大化方法的模式分類應用舉例
    本章小結
    習題
    參考文獻
  第4章  基於神經網路的模式分類
    4.1  基於多層前饋神經網路的模式分類
      4.1.1  神經元模型
      4.1.2  多層前饋神經網路
      4.1.3  BP演算法
      4.1.4  多層前饋神經網路的模式分類應用舉例
    4.2  基於卷積神經網路的模式分類
      4.2.1  卷積神經網路的結構
      4.2.2  卷積神經網路的訓練和模式分類應用舉例
    4.3  基於循環神經網路的模式分類
      4.3.1  循環神經網路的結構
      4.3.2  循環神經網路的訓練和模式分類應用舉例
    4.4  基於Transformer的模式分類
      4.4.1  Transformer的結構
      4.4.2  Transformer的訓練和模式分類應用舉例
    4.5  基於YOLOvX的視覺模式識別
      4.5.1  YOLOvX網路的基本原理
      4.5.2  YOLOv8網路的訓練和目標檢測應用舉例
    本章小結
    習題
    參考文獻
第3部分  模式聚類
  第5章  動態聚類
    5.1  動態聚類的演算法特點和適用場合
    5.2  典型的動態聚類演算法
      5.2.1  k均值演算法
      5.2.2  ISODATA聚類演算法
    5.3  動態聚類應用舉例
    本章小結
    習題
    參考文獻
  第6章  層次聚類
    6.1  層次聚類的演算法特點和適用場合
    6.2  典型的層次聚類演算法
      6.2.1  自下而上的聚集聚類演算法（Agglomerative）
      6.2.2  自上而下的分裂聚類演算法（Divisive）
    6.3  層次聚類演算法應用舉例
    本章小結
    習題
    參考文獻
  第7章  高斯混合模型聚類
    7.1  GMM的演算法特點和適用場合
    7.2  GMM演算法
      7.2.1  高斯分佈

      7.2.2  GMM的演算法原理
      7.2.3  GMM的參數學習
      7.2.4  應用EM演算法訓練GMM模型
      7.2.5  GMM組件個數的確定
    7.3  GMM聚類的應用舉例
    7.4  GMM聚類的函數指令和編程實現
      7.4.1  MATLAB常用的GMM聚類函數
      7.4.2  Python常用的GMM聚類指令
      7.4.3  GMM聚類的Python程序代碼舉例
    本章小結
    習題
    參考文獻
  第8章  密度聚類
    8.1  基於密度的聚類
    8.2  DBSCAN演算法
      8.2.1  演算法基本思想
      8.2.2  確定參數Eps和MinPts
      8.2.3  性能評估
    8.3  OPTICS聚類
      8.3.1  基於密度的聚類排序
      8.3.2  識別聚類結構
    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