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

人工智慧之模式識別(人工智慧與機器人新一代信息技術戰略性新興領域十四五高等教育系列教材)

  • 作者：編者:高琪//潘峰//李位星//馮肖雪|責編:吉玲//閆曉宇
  • 出版社：機械工業
  • ISBN：9787111776437
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：238
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一本全面介紹模式識別領域相關知識的教材，為讀者提供模式識別技術的基本概念、演算法體系和歷史發展脈絡，從基本模型和底層原理出發深入探討各種模式識別方法的核心機制與應用策略。本書內容首先介紹了人工智慧的概念內涵，以及模式識別與人工智慧、機器學習的相互關係，然後詳細闡述了模式識別的一系列基本概念，分析了模式識別問題的解決思路，建立了完整的模式識別系統。書中針對線性分類器、貝葉斯分類器、最近鄰分類器、組合分類器、數據聚類、模糊模式識別、神經網路模式識別和結構模式識別等各類演算法進行了詳細講解，構建了完整的演算法體系，並探討了特徵工程、統計學習理論等模式識別和機器學習中的基礎性問題。本書強化了模式識別技術的實踐應用，通過典型演算法案例的分析和實現來幫助讀者更加深入地理解所學內容，增強實踐能力。
    本書主要面向高等院校電腦、自動化、大數據、信息電子等人工智慧相關本科專業的學生用作學習模式識別課程的教材，也可供相關學科領域的研究生、科研人員、工程技術人員和社會學習者作為學習、研究和工程實踐的參考。
作者介紹
編者:高琪//潘峰//李位星//馮肖雪|責編:吉玲//閆曉宇
目錄
前言
各章電子資源對照表
第1章  緒論
  1.1  人工智慧之模式識別
    1.1.1  生物識別能力
    1.1.2  模式識別與人工智慧和機器學習
    1.1.3  模式識別技術的歷史發展
  1.2  模式識別的基本概念
    1.2.1  樣本、模式和類
    1.2.2  特徵、特徵空間和特徵向量
    1.2.3  相似度、緊致性和維數災難
    1.2.4  有監督學習和無監督學習
    1.2.5  泛化能力與過擬合
  1.3  模式識別工程
    1.3.1  模式識別系統的組成
    1.3.2  模式識別的演算法體系
    1.3.3  模式識別的典型應用
  1.4  模式識別演算法實例
  演算法案例
  思考題
  拓展閱讀
  參考文獻
第2章  特徵生成和特徵降維
  2.1  特徵工程
    2.1.1  特徵工程的概念
    2.1.2  特徵工程的方法
  2.2  主成分分析
  2.3  類別可分性度量
    2.3.1  類別可分性度量準則
    2.3.2  類內類間距離
    2.3.3  概率距離
  2.4  基於類別可分性度量的特徵提取
    2.4.1  準則函數構造
    2.4.2  基於J2準則的特徵提取
  2.5  特徵選擇演算法
    2.5.1  獨立演算法
    2.5.2  窮舉演算法
    2.5.3  分支定界法
    2.5.4  次優演算法
  思考題
  拓展閱讀
  參考文獻
第3章  統計學習理論
  3.1  機器學習的基本問題
    3.1.1  機器學習問題的描述
    3.1.2  經驗風險最小化原則
  3.2  學習過程的一致性
  3.3  函數集的容量與VC維
  3.4  推廣性的界
  3.5  結構風險最小化

  3.6  正則化方法
  思考題
  拓展閱讀
  參考文獻
第4章  線性分類器
  4.1  判別函數
    4.1.1  線性判別函數
    4.1.2  廣義線性化
  4.2  線性分類器原理
    4.2.1  線性分類器設計
    4.2.2  線性分類器訓練
    4.2.3  線性分類器分析
  4.3  感知器演算法
    4.3.1  感知器原理
    4.3.2  感知器訓練
    4.3.3  感知器分析
    4.3.4  感知器網路
  4.4  LMSE演算法
    4.4.1  線性分類器的鬆弛求解
    4.4.2  H-K演算法
  4.5  Fisher演算法
    4.5.1  Fisher分類器原理
    4.5.2  Fisher分類器分析
  4.6  支持向量機
    4.6.1  線性支持向量機
    4.6.2  軟間隔支持向量機
    4.6.3  非線性支持向量機
  演算法案例
  演算法案例
  思考題
  拓展閱讀
  參考文獻
第5章  貝葉斯分類器
  5.1  貝葉斯推理原理
    5.1.1  逆概率推理
    5.1.2  貝葉斯公式
    5.1.3  貝葉斯分類
  5.2  貝葉斯決策演算法
    5.2.1  最小錯誤率貝葉斯分類
    5.2.2  最小風險貝葉斯分類
    5.2.3  樸素貝葉斯分類
  5.3  貝葉斯分類器分析
    5.3.1  正態分佈下的貝葉斯分類
    5.3.2  貝葉斯分類的錯誤率
  5.4  貝葉斯分類器的訓練
    5.4.1  貝葉斯分類器訓練的原理
    5.4.2  最大似然估計
    5.4.3  貝葉斯估計
  演算法案例
  思考題

  拓展閱讀
  參考文獻
第6章  最近鄰分類器
  6.1  模板匹配演算法
  6.2  最近鄰分類器
  6.3  KNN演算法
    6.3.1  KNN演算法原理
    6.3.2  KNN演算法的錯誤率
  6.4  改進KNN演算法
    6.4.1  快速KNN演算法
    6.4.2  壓縮近鄰法
  演算法案例
  思考題
  拓展閱讀
  參考文獻
第7章  組合分類器
  7.1  組合分類器原理
  7.2  組合分類器的主要類型
    7.2.1  Bagging演算法
    7.2.2  Boosting演算法
    7.2.3  Stacking演算法
  7.3  隨機森林演算法
  7.4  Adaboost演算法
  演算法案例
  思考題
  拓展閱讀
  參考文獻
第8章  數據聚類
  8.1  數據聚類原理
    8.1.1  數據聚類的定義
    8.1.2  數據聚類的特點
    8.1.3  數據聚類的應用
  8.2  數據聚類演算法
    8.2.1  試探法聚類
    8.2.2  層次聚類
    8.2.3  動態聚類
  8.3  數據聚類的流程
    8.3.1  聚類特徵選擇
    8.3.2  相似度度量標準
    8.3.3  聚類準則
    8.3.4  聚類演算法選擇
    8.3.5  聚類結果評價
  演算法案例
  思考題
  拓展閱讀
  參考文獻
第9章  模糊模式識別
  9.1  模糊數學基礎
    9.1.1  模糊集合的定義及基本運算
    9.1.2  模糊關係及模糊矩陣

  9.2  最大隸屬度識別
    9.2.1  形式一
    9.2.2  形式二
  9.3  擇近原則識別
    9.3.1  貼近度
    9.3.2  擇近識別演算法
  9.4  模糊聚類演算法
    9.4.1  模糊層次聚類
    9.4.2  模糊K-均值聚類
  演算法案例
  思考題
  拓展閱讀
  參考文獻
第10章  神經網路模式識別
  10.1  人工神經網路的原理
    10.1.1  人工神經元模型
    10.1.2  人工神經網路模型
    10.1.3  人工神經元的學習規則
    10.1.4  人工神經網路的學習規則
  10.2  淺層神經網路
    10.2.1  感知器網路
    10.2.2  反向傳播網路
  10.3  深度學習
    10.3.1  深度信念網路
    10.3.2  卷積神經網路
    10.3.3  循環神經網路
    10.3.4  Transformer網路
  10.4  預訓練大模型
    10.4.1  ChatGPT工作原理
    10.4.2  GPT系列模型分析
  演算法案例
  演算法案例
  思考題
  拓展閱讀
  參考文獻
第11章  結構模式識別
  11.1  結構模式識別原理
    11.1.1  結構模式識別
    11.1.2  結構模式識別中的基元、結構和類
    11.1.3  結構模式識別與統計模式識別的對比
    11.1.4  結構模式識別方法
  11.2  句法模式識別
    11.2.1  形式語言理論的基本概念
    11.2.2  喬姆斯基體系中的四種文法
    11.2.3  句法模式識別的基本原理
    11.2.4  句法分析
    11.2.5  文法推斷
  演算法案例
  思考題
  拓展閱讀

  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