出版時間:2006-12 出版社:電子工業(yè)出版社 作者:西奧多里德斯 頁數(shù):551 字數(shù):930000
Tag標簽:無
內容概要
模式識別是指對表征事物或現(xiàn)象的各種形式的信息進行處理和分析,以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程。它是信息科學和人工智能的重要組成部分,主要應用領域是圖像分析與處理、語音識別、聲音分類、通信、計算機輔助診斷、數(shù)據(jù)挖掘等學科。本書在完美地結合當前的理論與實踐的基礎上,討論了貝葉斯分類、貝葉斯網(wǎng)絡、線性和非線性分類器設計、動態(tài)編程和用于順序數(shù)據(jù)的隱馬爾可夫模型、特征生成、特征選取技術、學習理論的基本概念以及聚類概念與算法。與前一版相比,主要更新了關于支持向量機和聚類算法的內容,重點研究了圖像分析、語音識別和聲音分類的特征生成。每章末均提供有習題與練習,且支持網(wǎng)站上提供有習題解答,以便于讀者增加實際經(jīng)驗。 本書可作為高等院校自動化、計算機、電子和通信等專業(yè)研究生和高年級本科生的教材,也可作為計算機信息處理、自動控制等相關領域的工程技術人員的參考用書。
作者簡介
Sergios Theodoridis:希臘雅典大學信息與通信系教授。他于1973年在雅典大學獲得物理學學士學位,又分別于1975年和1978年在英國伯明翰大學獲得信號處理與通信碩士和博士學位。自1995年以來,他一直是希臘雅典大學信息與通信系教授。其主要研究方向是自適應信號處理、通信與模
書籍目錄
第1章 導論 1.1 模式識別的重要性 1.2 特征、特征向量和分類器 1.3 有監(jiān)督和無監(jiān)督模式識別 1.4 本書的內容安排第2章 基于貝葉斯決策理論的分類器 2.1 引言 2.2 貝葉斯決策理論 2.3 判別函數(shù)和決策面 2.4 正態(tài)分布的貝葉斯分類 2.5 未知概率密度函數(shù)的估計 2.6 最近鄰規(guī)則 2.7 貝葉斯網(wǎng)絡 習題 參考文獻第3章 線性分類器 3.1 引言 3.2 線性判別函數(shù)和決策超平面 3.3 感知器算法 3.4 最小二乘法 3.5 均方估計的回顧 3.6 邏輯識別 3.7 支持向量機 習題 參考文獻第4章 非線性分類器 4.1 引言 4.2 異或問題 4.3 兩層感知器 4.4 三層感知器 4.5 基于訓練集準確分類的算法 4.6 反向傳播算法 4.7 反向傳播算法的改進 4.8 代價函數(shù)選擇 4.9 神經(jīng)網(wǎng)絡的大小選擇 4.10 仿真實例 4.11 具有權值共享的網(wǎng)絡 4.12 線性分類器的推廣 4.13 線性二分法中l(wèi)維空間的容量 4.14 多項式分類器 4.15 徑向基函數(shù)網(wǎng)絡 4.16 通用逼近 4.17 支持向量機:非線性情況 4.18 決策樹 1.19 合并分割器 1.20 合并分類器的增強法 4.21 討論 習題 參考文獻第5章 特征選擇 5.1 引言 5.2 預處理 5.3 基于統(tǒng)計假設檢驗的特征選擇 5.4 接收機操作特性ROC曲線 5.5 類可分性測量 5.6 特征子集的選擇 5.7 最優(yōu)特征生成 5.8 神經(jīng)網(wǎng)絡和特征生成/選擇 5.9 推廣理論的提示 5.10 貝葉斯信息 習題 參考文獻第6章 特征生成Ⅰ:線性變換 6.1 引言 6.2 基本向量和圖像 6.3 Karhunen-loeve變換 6.4 奇異值分解 6.5 獨立成分分析 6.6 離散傅里葉變換(DFT) ……第7章 特征生成Ⅱ第8章 模板匹配第9章 上下文相關分類第10章 系統(tǒng)評價第11章 聚類:基本概念第12章 聚類算法Ⅰ:順序算法第13章 聚類算法Ⅱ:層次算法第14章 聚類算法Ⅲ:基于函數(shù)最優(yōu)方法第15章 聚類算法Ⅳ第16章 聚類有效性附錄A 概率論和統(tǒng)計學的相關知識附錄B 線性代數(shù)基礎附錄C 代價函數(shù)的優(yōu)化附錄D 線性系統(tǒng)理論的基本定義索引
編輯推薦
《模式識別》綜合考慮了有監(jiān)督和無監(jiān)督模式識別的經(jīng)典理論與實踐以及當前的理論與實踐,為專業(yè)技術人員和高校學生建立起了完整的基本知識體系?!赌J阶R別》由模式識別領域的兩位頂級專家合著,全面闡述了模式識別的基礎理論、最新方法以及各種應用。每章的開始是基本原理介紹,然后是最新研究問題和關鍵技術討論,最后是習題?!赌J阶R別》第三版的具體內容包括:貝葉斯分類、貝葉斯網(wǎng)絡、線性和非線性分類器(包含神經(jīng)網(wǎng)絡和支持向量機)、動態(tài)規(guī)劃和用于順序數(shù)據(jù)的隱馬爾可夫模型、特征生成(包含小波、主成分分析、獨立成分分析和分形)、特征選擇技術、自學習理論的基本概念、聚類概念和算法等?!赌J阶R別》可作為高等院校自動化、計算機、電子和通信等專業(yè)研究生和高年級本科生的教材,也可作為計算機信息處理、自動控制等相關領域的工程技術人員的參考用書。
圖書封面
圖書標簽Tags
無
評論、評分、閱讀與下載