模式識(shí)別

內(nèi)容概要

本書綜合考慮了有監(jiān)督和無(wú)監(jiān)督模式識(shí)別的經(jīng)典的以及當(dāng)前的理論和實(shí)踐，為專業(yè)技術(shù)人員和高校學(xué)生建立起完整的基本知識(shí)體系。本書由模式識(shí)別領(lǐng)域的兩位項(xiàng)級(jí)專家合著，從工程角度全面闡述了模式識(shí)別的應(yīng)用，內(nèi)容包括葉斯分類、貝葉斯網(wǎng)絡(luò)、線性和非線性分類器（包含神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)）、動(dòng)態(tài)編程和用于順序數(shù)據(jù)的隱馬爾可夫模型、特征（包含小波、主成分分析、獨(dú)立成分分析和分形分析）、特征選擇技術(shù)、來(lái)自學(xué)習(xí)理論的基本概念、聚類概念和算法等。    本書是享譽(yù)世界的名著，內(nèi)容既全面又相對(duì)獨(dú)立，既有基礎(chǔ)知識(shí)的介紹又有領(lǐng)域研究現(xiàn)狀的介紹，還有對(duì)未來(lái)發(fā)展的展望，是本領(lǐng)域最全面的參考書，被世界眾多高校選用為教材。本書可作為高等院校計(jì)算機(jī)、電子、通信、自動(dòng)化等專業(yè)研究生和高年級(jí)本科生的教材，也可作為計(jì)算機(jī)信息處理、自動(dòng)控制等相關(guān)領(lǐng)域工程技術(shù)人員的參考用書。

作者簡(jiǎn)介

Sergios Theodoridis希臘雅典大學(xué)信息與通信系教授。他于1973年在雅典大學(xué)獲得物理學(xué)學(xué)士學(xué)位，又分別于1975年和1978年在英國(guó)伯翰大學(xué)獲信息處理與通信碩士和博士學(xué)位。他的主要研究方向是自適應(yīng)信號(hào)處、通信與模式識(shí)別。他是歐洲并行結(jié)構(gòu)及語(yǔ)言協(xié)會(huì)（PARLEE-95）的主席和歐

書籍目錄

PrefaceCHAPTER 1 INTRODUCTION  1.1 Is Pattern Recognition Important?  1.2 Features, Feature Vectors, and Classifiers  1.3 Supervised Versus Unsupervised Pattern Recognition  1.4 Outline of the BookCHAPTER 2 CLASSIFIERS BASED ON BAYES DECISION THEORY  2.1 Introduction  2.2 Bayes Decision Theory  2.3 Discriminant Functions and Dwcision Surfaces  2.4 Bayesian Classification for Normal Distributions  2.5 Estimation of Unknown Probability Density Functions   2.6 The Nearest Neighbor Rule  2.7 Bayesian NetworksCHAPTER 3 LINEAR CLASSIFIERS  3.1 Introdutcion  3.2 linear Discriminant Functions and Decision Hyperplanes  3.3 The Percptron Algorithm  3.4 Least Squares Mwethods  3.5 Mean Square Estimation Revisited  3.6 Logistic Discrimination  3.7 Support Vector MachinesCHAPTER 4 IONLINEAR CLASSIFIERS  4.1 Introduction  4.2 The XOR Problem  4.3 The Two-Layer Perceptron  4.4 Three-Layer Perceptons  4.5 Algorithms Based on Exact Classification of the Training Set  4.6 The Backpropagation Algorithm  4.7 Variations on the Backpropagation Theme  4.8 The Cost Function Choice  4.9 Choice of the Network Size  4.10 A Simulation Example  4.11 Networks With Weight Sharing  4.12 Generalized Linear Classifiers  4.13 Capacity of the l-Dimensional Space in Linear Dichotomies  4.14 Polynomial Classifiers  4.15 Radial Basis Function Networks  4.16 Universal Approximatiors  4.17 Support Vector Machines: The Nonlinear CaseCHAPTER 5 FEATURE SELECTION  ……CHAPTER 6 FEATURE GENERATION Ⅰ：LINEAR TRANSFORMSCHAPTER 7 FEATURE GENERATION ⅡCHAPTER 8 TEMPLATE MATCHINGCHAPTER 9 CONTEXT-DEPENDENT CLASIFICATIONCHAPTER 10 SYSTEM EVALUATIONCHAPTER 11 CLUSTERING：BASIC CONCEPTSCHAPTER 12 CLUSTERING ALGORITHMSⅠ：SEQUENTIAL ALGORITHMSCHAPTER 13 CLUSTERING ALGORITHMSⅡ：HIERARCHICAL ALGORITHMSCHAPTER 14 CLUSTERING ALGORITHMSⅢ：SCHEMES BASED ON FUNCTION OPTIMIZATIONCHAPTER 15 CLUSTERING ALGORITHMSⅣCHAPTER 16 CLUSTER VALIDITYAppendix A Hints form Probability and StatisticsAppendix B Linear Algebra Basics

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    模式識(shí)別 PDF格式下載

---