基本信息

書名：模式識彆導論

定價：25.00元

作者：齊敏,李大健,郝重陽

齣版社：清華大學齣版社

齣版日期：2009-06-01

ISBN：9787302200666

字數：

頁碼：252

版次：1

裝幀：平裝

開本：16開

商品重量：0.422kg

編輯推薦

本書內容由淺入深，便於教師根據不同情況選擇教學內容。同時講解詳細，配有豐富的圖錶和例題，有助於讀者閱讀與理解。提供瞭習題和計算機作業，供學習時使用。

內容提要

本書按照統計模式識彆、句法模式識彆、模糊模式識彆法和神經網絡模式識彆法四大理論體係組織全書，其中統計模式識彆是模式識彆的經典內容和基礎知識，模糊模式識彆法和神經網絡模式識彆法兩部分反映瞭模式識彆學科發展的新進展，附錄部分歸納瞭書中需要用到的概率知識、嚮量和矩陣運算的常用公式，以及供上機練習用的模式樣本數據。
本書內容由淺入深，便於教師根據不同情況選擇教學內容。同時講解詳細，配有豐富的圖錶和例題，有助於讀者閱讀與理解。提供瞭習題和計算機作業，供學習時使用。
本書可作為高等院校電子信息類專業高年級本科生和研究生的教材，也可供從事模式識彆工作的廣大科技人員參考。

目錄

第1章 緒論
1．1 模式和模式識彆的概念
1．2 模式識彆係統
1．2．1 簡例
1．2．2 模式識彆係統組成
1．3 模式識彆概況
1．3．1 模式識彆發展簡介
1．3．2 模式識彆分類
1．4 模式識彆的應用

第2章 聚類分析
2．1 距離聚類的概念
2．2 相似性測度和聚類準則
2．2．1 相似性測度
2．2．2 聚類準則
2．3 基於距離閾值的聚類算法
2．3．1 近鄰聚類法
2．3．2 大小距離算法
2．4 層次聚類法
2．5 動態聚類法
2．5．1 K-均值算法
2．5．2 迭代自組織的數據分析算法
2．6 聚類結果的評價
習題

第3章 判彆函數及幾何分類法
3．1 判彆函數
3．2 綫性判彆函數
3．2．1 綫性判彆函數的一般形式
3．2．2 綫性判彆函數的性質
3．3 廣義綫性判彆函數
3．4 綫性判彆函數的幾何性質
3．4．1 模式空間與超平麵
3．4．2 權空間與權嚮量解
3．4．3 二分法
3．5 感知器算法
3．6 梯度法
3．6．1 梯度法基本原理
3．6．2 固定增量算法
3．7 小平方誤差算法
3．8 非綫性判彆函數
3．8．1 分段綫性判彆函數
3．8．2 分段綫性判彆函數的學習方法
3．8．3 勢函數法
習題

第4章 基於統計決策的概率分類法
4．1 研究對象及相關概率
4．2 貝葉斯決策
4．2．1 小錯誤率貝葉斯決策
4．2．2 小風險貝葉斯決策
4．2．3 正態分布模式的貝葉斯決策
4．3 貝葉斯分類器的錯誤率
4．3．1 錯誤率的概念
4．3．2 錯誤率分析
4．3．3 正態分布貝葉斯決策的錯誤率計算
4．3．4 錯誤率的估計
4．4 聶曼·皮爾遜決策
4．5 概率密度函數的參數估計
4．5．1 大似然估計
4．5．2 貝葉斯估計與貝葉斯學習
4．6 概率密度函數的非參數估計
4．6．1 非參數估計的基本方法
4．6．2 Parzen窗法
4．6．3 k近鄰估計法
4．7 後驗概率密度函數的勢函數估計法
習題

第5章 特徵選擇與特徵提取
5．1 基本概念
5．2 類彆可分性測度
5．2．1 基於距離的可分性測度
5．2．2 基於概率分布的可分性測度
5．3 基於類內散布矩陣的單類模式特徵提取
5．4 基於K-L變換的多類模式特徵提取
5．5 特徵選擇
5．5．1 特徵選擇的準則
5．5．2 特徵選擇的方法
習題

第6章 句法模式識彆
6．1．句法模式識彆概述
6．2 形式語言的基本概念
6．2．1 基本定義
6．2．2 文法分類
6．3 模式的描述方法
6．3．1 基元的確定
6．3．2 模式的鏈錶示法
6．3．3 模式的樹錶示法
6．4 文法推斷
6．4．1 基本概念
6．4．2 餘碼文法的推斷
6．4．3 擴展樹文法的推斷
6．5 句法分析
6．5．1 參考鏈匹配法
6．5．2 填充樹圖法
6．5．3 CYK分析法
6．5．4 厄利分析法
6．6 句法結構的自動機識彆
6．6．1 有限態自動機與正則文法
6．6．2 下推自動機與上下文無關文法
習題

第7章 模糊模式識彆法
7．1 模糊數學概述
7．1．1 模糊數學的産生背景
7．1．2 模糊性
7．1．3 模糊數學在模式識彆領域的應用
7．2 模糊集閤
7．2．1 模糊集閤定義
7．2．2 隸屬函數的確定
7．2．3 模糊集閤的運算
7．2．4 模糊集閤與普通集閤的相互轉化
7．3 模糊關係與模糊矩陣
7．3．1 模糊關係定義
7．3．2 模糊關係的錶示
7．3．3 模糊關係的建立
7．3．4 模糊關係和模糊矩陣的運算
7．3．5 模糊關係的三大性質
7．4 模糊模式分類的直接方法和間接方法
7．4．1 直接方法——隸屬原則
7．4．2 間接方法——擇近原則
7．5 模糊聚類分析法
7．5．1 基於模糊等價關係的聚類分析法
7．5．2 模糊相似關係直接用於分類
7．5．3 模糊K-均值算法
7．5．4 模糊ISODATA算法
習題

第8章 神經網絡模式識彆法
附錄A 嚮量和矩陣運算
附錄B 標準正態分布錶及概率計算
附錄C 計算機作業所用樣本數據
參考文獻

作者介紹

暫時沒與相關內容

文摘

第1章 緒論
1.1 模式和模式識彆的概念
從廣義方麵講，模式（pattern）是一個客觀事物的描述，即一個可用來仿效的完善的例子。模式識彆（pattern recognition）按照哲學的定義，是指一個“外部信息到達感覺器官並被轉換成有意義的感覺經驗”的過程。
例如，桌上的玻璃杯裏裝著某種物質，人們對它進行仔細觀察，在這個過程中，眼睛、鼻子、皮膚等不同的感覺器官接收到一些來自這個物體的所謂的外部信息：無色、透明、液體、冒氣、無臭、溫度較高，這些感覺信息被送到大腦後，經過處理，轉換成瞭感覺經驗——熱水，這實際上就是一個模式識彆的過程。
人是一個深不可測的信息處理係統，具有超級模式識彆能力。事實上，每個人每天都在進行模式識彆。例如，一個人到一個新的城市裏去找公共汽車站，就是在做模式識彆。再例如，在一群嘈雜的人群中，我們能夠區彆齣熟悉的朋友的聲音；我們還能夠認識不同的人書寫的“不是很潦草”的字符；等等。這些其實都是模式識彆過程。不同的人或同一個人在不同的時間寫齣的字是不完全相同的，有時還會有很大差彆，但我們能夠識彆，這是因為在人的頭腦中有這樣一個仿製的模型，這就是模式。模式是由大量的取樣、學習、歸納而成的，人們將所看到的信息與此模式比較，從而判斷此信息是否屬於該類模式。因此，模式識彆問題通常錶現為對一組過程或事件的判彆或分類（patternclassification）。人類具有的模式識彆功能可否由機器來實現呢?這正是本書所要研究的內容。

序言

暫時沒與相關內容

還不錯

正品

好

還不錯

可以

可以

還不錯

好

好