歡迎光臨中圖網(wǎng) 請 | 注冊

模式分類(原書第2版·典藏版)

出版社：機(jī)械工業(yè)出版社出版時間：2024-10-01
開本： 16開 頁數(shù)： 542
中 圖 價:¥107.3(7.2折) 定價  ¥149.0 登錄后可看到會員價
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

模式分類(原書第2版·典藏版) 版權(quán)信息

模式分類(原書第2版·典藏版) 本書特色

本書是模式識別領(lǐng)域的經(jīng)典教材，被卡內(nèi)基·梅隆大學(xué)、哈佛大學(xué)、斯坦福大學(xué)、劍橋大學(xué)等多所學(xué)校選作教材，主要面向人工智能、計算機(jī)科學(xué)、電子工程、自動化、數(shù)學(xué)與統(tǒng)計學(xué)等領(lǐng)域的高年級本科生和研究生以及科技人員。

模式分類(原書第2版·典藏版) 內(nèi)容簡介

本書的第1版《模式分類與場景分析》出版于1973年，是模式識別和場景分析領(lǐng)域奠基性的經(jīng)典名著。在第2版中,除了保留了第1版的關(guān)于統(tǒng)計模式識別和結(jié)構(gòu)模式識別的主要內(nèi)容以外，讀者將會發(fā)現(xiàn)新增了許多近25年來的新理論和新方法，其中包括神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、進(jìn)化計算、不變量理論、隱馬爾可夫模型、統(tǒng)計學(xué)習(xí)理論和支持向量機(jī)等。作者還為未來25年的模式識別的發(fā)展指明了方向。書中包含許多實(shí)例，各種不同方法的對比，豐富的圖表，以及大量的課后習(xí)題和計算機(jī)練習(xí)。本書作為流行和經(jīng)典的教材，主要面向電子工程、計算機(jī)科學(xué)、數(shù)學(xué)和統(tǒng)計學(xué)、媒體處理、模式識別、計算機(jī)視覺、人工智能和認(rèn)知科學(xué)等領(lǐng)域的研究生和高年級本科生，也可作為相關(guān)領(lǐng)域科技人員的重要參考書。

模式分類(原書第2版·典藏版) 目錄

目錄


Pattern Classification, Second Edition



譯者序

前言
第1章緒論



1.1 機(jī)器感知

1.2 一個例子

1.3 模式識別系統(tǒng)

1.3.1 傳感器

1.3.2 分割和組織

1.3.3 特征提取

1.3.4 分類器

1.3.5 后處理

1.4 設(shè)計循環(huán)

1.4.1 數(shù)據(jù)采集

1.4.2 特征選擇

1.4.3 模型選擇

1.4.4 訓(xùn)練

1.4.5 評價

1.4.6 計算復(fù)雜度

1.5 學(xué)習(xí)和適應(yīng)

1.5.1 有監(jiān)督學(xué)習(xí)

1.5.2 無監(jiān)督學(xué)習(xí)

1.5.3 強(qiáng)化學(xué)習(xí)

本章小結(jié)

全書各章概要

文獻(xiàn)和歷史評述

參考文獻(xiàn)

第2章貝葉斯決策論


2.1 引言

2.2 貝葉斯決策論——連續(xù)特征

2.3 *小誤差率分類




2.3.1 極小化極大準(zhǔn)則


2.3.2 NeymanPearson準(zhǔn)則

2.4 分類器、判別函數(shù)及判定面

2.4.1 多類情況

2.4.2 兩類情況

2.5 正態(tài)密度

2.5.1 單變量密度函數(shù)

2.5.2 多元密度函數(shù)

2.6 正態(tài)分布的判別函數(shù)

2.6.1 情況1：
Σi=σ2I


2.6.2 情況2：
Σi=Σ

2.6.3 情況3：Σi＝任意




2.7 誤差概率和誤差積分


2.8 正態(tài)密度的誤差上界



2.8.1 Chernoff界

2.8.2 Bhattacharyya界

2.8.3 信號檢測理論和操作特性


2.9 貝葉斯決策論——離散特征

2.9.1 獨(dú)立的二值特征

2.10 丟失特征和噪聲特征

2.10.1 丟失特征

2.10.2 噪聲特征

2.11 貝葉斯置信網(wǎng)

2.12 復(fù)合貝葉斯決策論及
上下文

本章小結(jié)

文獻(xiàn)和歷史評述

習(xí)題

上機(jī)練習(xí)

參考文獻(xiàn)

第3章*大似然估計和貝葉斯
參數(shù)估計


3.1 引言

3.2 *大似然估計

3.2.1 基本原理

3.2.2 高斯情況：μ未知

3.2.3 高斯情況：μ和Σ均未知

3.2.4 估計的偏差

3.3 貝葉斯估計

3.3.1 類條件密度

3.3.2 參數(shù)的分布

3.4 貝葉斯參數(shù)估計：高斯情況

3.4.1 單變量情況：p(μ｜
)

3.4.2 單變量情況：p(x｜)



3.4.3 多變量情況

3.5 貝葉斯參數(shù)估計：一般理論

3.5.1 *大似然方法和貝葉斯方法何時有

區(qū)別


3.5.2 無信息先驗(yàn)和不變性

3.5.3 Gibbs算法

3.6 充分統(tǒng)計量


3.7 維數(shù)問題

3.7.1 精度、維數(shù)和訓(xùn)練集的大小

3.7.2 計算復(fù)雜度

3.7.3 過擬合

3.8 成分分析和判別函數(shù)

3.8.1 主成分分析

3.8.2 Fisher線性判別分析

3.8.3 多重判別分析

3.9 期望*大化算法

3.10 隱馬爾可夫模型

3.10.1 一階馬爾可夫模型

3.10.2 一階隱馬爾可夫模型

3.10.3 隱馬爾可夫模型的計算

3.10.4 估值問題

3.10.5 解碼問題

3.10.6 學(xué)習(xí)問題

本章小結(jié)

文獻(xiàn)和歷史評述

習(xí)題

上機(jī)練習(xí)

參考文獻(xiàn)

第4章非參數(shù)技術(shù)

4.1 引言

4.2 概率密度的估計

4.3 Parzen窗方法

4.3.1 均值的收斂性

4.3.2 方差的收斂性

4.3.3 舉例說明

4.3.4 分類的例子

4.3.5 概率神經(jīng)網(wǎng)絡(luò)

4.3.6 窗函數(shù)的選取

4.4 n近鄰估計

4.4.1 n近鄰估計和Parzen
窗估計

4.4.2 后驗(yàn)概率的估計

4.5 *近鄰規(guī)則

4.5.1 *近鄰規(guī)則的收斂性

4.5.2 *近鄰規(guī)則的誤差率

4.5.3 誤差界

4.5.4近鄰規(guī)則

4.5.5近鄰規(guī)則的計算復(fù)雜度

4.6 距離度量和*近鄰分類

4.6.1 度量的性質(zhì)

4.6.2 切空間距離

4.7 模糊分類

4.8 RCE網(wǎng)絡(luò)

4.9 級數(shù)展開逼近

本章小結(jié)

文獻(xiàn)和歷史評述

習(xí)題

上機(jī)練習(xí)

參考文獻(xiàn)
第5章線性判別函數(shù)



5.1 引言

5.2 線性判別函數(shù)和判定面

5.2.1 兩類情況

5.2.2 多類的情況

5.3 廣
展開全部

模式分類(原書第2版·典藏版) 作者簡介

理查德·O. 杜達(dá)（Richard O.Duda） 圣何塞州立大學(xué)電氣工程系榮休教授，以其在聲音
定位和模式識別方面的工作而聞名。美國人工智能學(xué)會會士、IEEE 會士。擁有麻省理工學(xué)院博
士學(xué)位。
皮特·E. 哈特（Peter E. Hart） 加州理光發(fā)明（Ricoh Innovations）公司創(chuàng)始人、總裁，在此之前曾任理光加州研究中心高級副總裁。美國人工智能學(xué)會會士、IEEE 會士，曾獲 IEEE信息論協(xié)會 50 周年論文獎。
大衛(wèi)·G. 斯托克（David G. Stork） 加州理光發(fā)明公司首席科學(xué)家，斯坦福大學(xué)電氣工程
與計算機(jī)科學(xué)系客座教授。國際模式識別學(xué)會會士、IEEE 會士。擁有馬里蘭大學(xué)博士學(xué)位。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服