書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊

模式識別導(dǎo)論

出版社：清華大學(xué)出版社出版時間：2021-08-13
開本： 大16開 頁數(shù)： 253
本類榜單：教材銷量榜
中 圖 價:¥42.4(8.5折) 定價  ¥49.9 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

模式識別導(dǎo)論 版權(quán)信息

模式識別導(dǎo)論 本書特色

《模式識別導(dǎo)論》按照統(tǒng)計模式識別、句法模式識別、模糊模式識別法和神經(jīng)網(wǎng)絡(luò)模式識別法四大理論體系組織全書，其中統(tǒng)計模式識別是模式識別的經(jīng)典內(nèi)容和基礎(chǔ)知識，模糊模式識別法和神經(jīng)網(wǎng)絡(luò)模式識別法兩部分反映了模式識別學(xué)科發(fā)展的新進展，附錄部分歸納了書中需要用到的概率知識、向量和矩陣運算的常用公式，以及供上機練習(xí)用的模式樣本數(shù)據(jù)。 《模式識別導(dǎo)論》內(nèi)容由淺入深，便于教師根據(jù)不同情況選擇教學(xué)內(nèi)容。同時講解詳細，配有豐富的圖表和例題，有助于讀者閱讀與理解。提供了習(xí)題和計算機作業(yè)，供學(xué)習(xí)時使用。 《模式識別導(dǎo)論》可作為高等院校電子信息類專業(yè)高年級本科生和研究生的教材，也可供從事模式識別工作的廣大科技人員參考。 《模式識別導(dǎo)論》特色： 基本概念分析透徹，數(shù)學(xué)公式解釋細致，以初學(xué)者易于接受的方式論述問題。例題豐富，求解過程詳細，非常有助于進一步明晰和加深對概念和算法的理解。主要章后均附有習(xí)題，方便教學(xué)和學(xué)習(xí)自查。 模式識別中涉及的許多數(shù)學(xué)理論是初學(xué)者遇到的一個主要障礙！赌Ｊ阶R別導(dǎo)論》將相關(guān)數(shù)學(xué)知識整合到整體內(nèi)容中，在針對性復(fù)習(xí)之后過渡到新知識講解，讀者不需要借助其他輔助書籍，就能夠以連貫、清晰的思路閱讀學(xué)習(xí)。 選材立足于經(jīng)典內(nèi)容和實用算法，同時反映學(xué)科發(fā)展方向。以基礎(chǔ)為主，適當(dāng)深化，教師和讀者可以方便靈活地根據(jù)實際情況進行選擇。 教材同時配有電子課件和習(xí)題參考答案，便于教學(xué)和自學(xué)使用。

模式識別導(dǎo)論 內(nèi)容簡介

本書按照統(tǒng)計模式識別、句法模式識別、模糊模式識別法和神經(jīng)網(wǎng)絡(luò)模式識別法四大理論體系組織全書，附錄部分歸納了書中需要用到的概率知識、向量和矩陣運算的常用公式，以及供上機練習(xí)用的模式樣本數(shù)據(jù)。

模式識別導(dǎo)論 目錄

第1章 緒論 1 1.1 模式和模式識別的概念2 1.2 模式識別系統(tǒng)4 1.2.1 簡例4 1.2.2 模式識別系統(tǒng)組成7 1.3 模式識別概況8 1.3.1 模式識別發(fā)展簡介8 1.3.2 模式識別分類8 1.4 模式識別的應(yīng)用10 第2章 聚類分析 13 2.1 距離聚類的概念14 2.2 相似性測度和聚類準則15 2.2.1 相似性測度15 2.2.2 聚類準則18 2.3 基于距離閾值的聚類算法20 2.3.1 近鄰聚類法20 2.3.2 *大*小距離算法21 2.4 層次聚類法23 2.5 動態(tài)聚類法27 2.5.1 K-均值算法27 2.5.2 迭代自組織的數(shù)據(jù)分析算法30 2.6 聚類結(jié)果的評價35 習(xí)題36 第3章 判別函數(shù)及幾何分類法 37 3.1 判別函數(shù)38 3.2 線性判別函數(shù)40 3.2.1 線性判別函數(shù)的一般形式40 3.2.2 線性判別函數(shù)的性質(zhì)41 3.3 廣義線性判別函數(shù)46 3.4 線性判別函數(shù)的幾何性質(zhì)48 3.4.1 模式空間與超平面48 3.4.2 權(quán)空間與權(quán)向量解49 3.4.3 二分法50 3.5 感知器算法52 3.6 梯度法58 3.6.1 梯度法基本原理59 3.6.2 固定增量算法60 3.7 *小平方誤差算法62 3.8 非線性判別函數(shù)69 3.8.1 分段線性判別函數(shù)69 3.8.2 分段線性判別函數(shù)的學(xué)習(xí)方法72 3.8.3 勢函數(shù)法74 習(xí)題81 第4章 基于統(tǒng)計決策的概率分類法 82 4.1 研究對象及相關(guān)概率83 4.2 貝葉斯決策85 4.2.1 *小錯誤率貝葉斯決策85 4.2.2 *小風(fēng)險貝葉斯決策86 4.2.3 正態(tài)分布模式的貝葉斯決策90 4.3 貝葉斯分類器的錯誤率96 4.3.1 錯誤率的概念96 4.3.2 錯誤率分析96 4.3.3 正態(tài)分布貝葉斯決策的錯誤率計算98 4.3.4 錯誤率的估計101 4.4 聶曼-皮爾遜決策104 4.5 概率密度函數(shù)的參數(shù)估計108 4.5.1 *大似然估計108 4.5.2 貝葉斯估計與貝葉斯學(xué)習(xí)110 4.6 概率密度函數(shù)的非參數(shù)估計115 4.6.1 非參數(shù)估計的基本方法115 4.6.2 Parzen窗法117 4.6.3 kN-近鄰估計法121 4.7 后驗概率密度函數(shù)的勢函數(shù)估計法123 習(xí)題125 第5章 特征選擇與特征提取 127 5.1 基本概念128 5.2 類別可分性測度130 5.2.1 基于距離的可分性測度131 5.2.2 基于概率分布的可分性測度133 5.3 基于類內(nèi)散布矩陣的單類模式特征提取136 5.4 基于K-L變換的多類模式特征提取139 5.5 特征選擇144 5.5.1 特征選取擇的準則144 5.5.2 特征選擇的方法145 習(xí)題148 第6章 句法模式識別 150 6.1 句法模式識別概述151 6.2 形式語言的基本概念152 6.2.1 基本定義152 6.2.2 文法分類154 6.3 模式的描述方法156 6.3.1 基元的確定156 6.3.2 模式的鏈表示法156 6.3.3 模式的樹表示法158 6.4 文法推斷160 6.4.1 基本概念160 6.4.2 余碼文法的推斷161 6.4.3 擴展樹文法的推斷162 6.5 句法分析164 6.5.1 參考鏈匹配法165 6.5.2 填充樹圖法165 6.5.3 CYK分析法166 6.5.4 厄利分析法168 6.6 句法結(jié)構(gòu)的自動機識別169 6.6.1 有限態(tài)自動機與正則文法169 6.6.2 下推自動機與上下文無關(guān)文法173 習(xí)題176 第7章 模糊模式識別法 179 7.1 模糊數(shù)學(xué)概述180 7.1.1 模糊數(shù)學(xué)的產(chǎn)生背景180 7.1.2 模糊性181 7.1.3 模糊數(shù)學(xué)在模式識別領(lǐng)域的應(yīng)用183 7.2 模糊集合183 7.2.1 模糊集合定義183 7.2.2 隸屬函數(shù)的確定187 7.2.3 模糊集合的運算191 7.2.4 模糊集合與普通集合的相互轉(zhuǎn)化193 7.3 模糊關(guān)系與模糊矩陣195 7.3.1 模糊關(guān)系定義195 7.3.2 模糊關(guān)系的表示196 7.3.3 模糊關(guān)系的建立197 7.3.4 模糊關(guān)系和模糊矩陣的運算199 7.3.5 模糊關(guān)系的三大性質(zhì)202 7.4 模糊模式分類的直接方法和間接方法204 7.4.1 直接方法--隸屬原則204 7.4.2 間接方法--擇近原則206 7.5 模糊聚類分析法209 7.5.1 基于模糊等價關(guān)系的聚類分析法209 7.5.2 模糊相似關(guān)系直接用于分類212 7.5.3 模糊K-均值算法214 7.5.4 模糊ISODATA算法216 習(xí)題218 第8章 神經(jīng)網(wǎng)絡(luò)模式識別法 221 8.1 人工神經(jīng)網(wǎng)絡(luò)發(fā)展概況222 8.2 神經(jīng)網(wǎng)絡(luò)基本概念223 8.2.1 生物神經(jīng)元223 8.2.2 人工神經(jīng)元及神經(jīng)網(wǎng)絡(luò)224 8.2.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)226 8.2.4 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分類227 8.3 前饋神經(jīng)網(wǎng)絡(luò)227 8.3.1 感知器227 8.3.2 BP網(wǎng)絡(luò)228 8.3.3 競爭學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)232 8.4 反饋網(wǎng)絡(luò)模型Hopfield網(wǎng)絡(luò)236 附錄A 向量和矩陣運算239 附錄B 標準正態(tài)分布表及概率計算245 附錄C 計算機作業(yè)所用樣本數(shù)據(jù)248 參考文獻254
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服