模式識(shí)別

前言

　　本書是作者在20年來給研究生和本科生教學(xué)的基礎(chǔ)上編寫的，該課程面向很多專業(yè)的學(xué)生.例如電力電子工程、計(jì)算機(jī)工程、計(jì)算機(jī)科學(xué)和信息以及自動(dòng)控制等專業(yè)的研究生。這些經(jīng)驗(yàn)使我們得以把本書內(nèi)容編寫得既全面又相對(duì)獨(dú)立，并且適用于各種不同知識(shí)背景的學(xué)生。讀者需要具備的知識(shí)包括：微積分學(xué)基礎(chǔ)、初等線性代數(shù)和概率論基礎(chǔ)。在各個(gè)章節(jié)中需要的一些數(shù)學(xué)工具，如概率、統(tǒng)計(jì)和約束優(yōu)化等知識(shí)，在本書的4個(gè)附錄中做了簡(jiǎn)單的講解。本書面向大學(xué)生和研究生，可以作為一個(gè)學(xué)期或兩個(gè)學(xué)期的課程。本書也可以作為自學(xué)教材，或供研究人員和工程技術(shù)人員參考。我們編寫本書的動(dòng)力之一是，使這本書適合于所有從事模式識(shí)別相關(guān)研究的人員?！　》秶头椒ā　”緯捎媒y(tǒng)一的方式講述各種模式識(shí)別方法。模式識(shí)別是多個(gè)應(yīng)用領(lǐng)域的核心，包括圖像分析、語音和聲音識(shí)別、生物統(tǒng)計(jì)學(xué)、生物信息學(xué)、數(shù)據(jù)挖掘和信息檢索等。盡管這些領(lǐng)域有很多不同點(diǎn)，但也有共同之處，對(duì)它們的研究也有統(tǒng)一的方法，例如數(shù)據(jù)分類、隱藏模式等。本書的重點(diǎn)在于講述現(xiàn)在常用的方法。讀者可以從本書獲得并理解相關(guān)的基礎(chǔ)知識(shí)，進(jìn)而研究更多的與應(yīng)用相關(guān)的方法?！　”緯拿恳徽露疾捎醚驖u進(jìn)的講解方式，從基礎(chǔ)開始過渡到比較高深的課題，最后對(duì)最新技術(shù)發(fā)表評(píng)論。我們盡量保持?jǐn)?shù)學(xué)描述和直接敘述之間的平衡，這不是一件容易的任務(wù)。然而，我們堅(jiān)信對(duì)于模式識(shí)別，如果試圖回避數(shù)學(xué)，將使讀者很難理解算法的本質(zhì)、并喪失研究新算法的潛能；本書會(huì)使得讀者能夠很容易的解決遇到的問題。在模式識(shí)別中，最終采用的合適技術(shù)和算法在很大程度上依賴于所要解決的問題。根據(jù)我們的經(jīng)驗(yàn)，講解模式識(shí)別是一個(gè)使學(xué)生復(fù)習(xí)數(shù)學(xué)基礎(chǔ)知識(shí)的好方法。

內(nèi)容概要

本書全面闡述了模式識(shí)別的基礎(chǔ)理論、最新方法以及各種應(yīng)用。模式識(shí)別是信息科學(xué)和人工智能的重要組成部分，主要應(yīng)用領(lǐng)域有圖像分析、光學(xué)字符識(shí)別、信道均衡、語言識(shí)別和音頻分類等。本書在完美地結(jié)合當(dāng)前的理論與實(shí)踐的基礎(chǔ)上，討論了貝葉斯分類、貝葉斯網(wǎng)絡(luò)、線性和非線性分類器設(shè)計(jì)、上下文相關(guān)分類、特征生成、特征選取技術(shù)、學(xué)習(xí)理論的基本概念以及聚類概念與算法。與前一版相比，增加了大數(shù)據(jù)集和高維數(shù)據(jù)相關(guān)的最新算法，這些算法適用于Web挖掘和生物信息等應(yīng)用；提供了最新的分類器和魯棒回歸的核方法；分類器組合技術(shù)，包括Boosting方法。新增一些熱點(diǎn)問題，如非線性降維、非負(fù)矩陣因數(shù)分解、關(guān)聯(lián)性反饋、魯棒回歸、半監(jiān)督學(xué)習(xí)、譜聚類和聚類組合技術(shù)。每章均提供有習(xí)題與練習(xí)，用MATLAB求解問題，給出一些例題的多種求解方法；且支持網(wǎng)站上提供有習(xí)題解答，以便于讀者增加實(shí)際經(jīng)驗(yàn)。    本書可作為高等院校自動(dòng)化、計(jì)算機(jī)、電子和通信等專業(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)域的工程技術(shù)人員的參考用書。

作者簡(jiǎn)介

　　Sergios Theodoridis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和1978年在英國(guó)伯明翰大學(xué)獲得信號(hào)處理與通信碩士和博士學(xué)位。自1995年，他是希臘雅典大學(xué)信息與通信系教授。他有4篇論文獲得IEEE的神經(jīng)網(wǎng)絡(luò)會(huì)刊的卓越論文獎(jiǎng)，他是IET和IEEE高級(jí)會(huì)員?！　onstantinos Koutroumbas 1989年畢業(yè)于希臘佩特雷大學(xué)的計(jì)算機(jī)工程與信息學(xué)院，1990年在英國(guó)倫敦大學(xué)獲得計(jì)算機(jī)科學(xué)碩士學(xué)位，1995年在希臘雅典大學(xué)獲得博士學(xué)位。自2001年任職于希臘雅典國(guó)家天文臺(tái)空間應(yīng)用與遙感研究院，是國(guó)際知名的專家。

書籍目錄

第1章  導(dǎo)論  1.1  模式識(shí)別的重要性  1.2  特征、特征向量和分類器  1.3  有監(jiān)督、無監(jiān)督和半監(jiān)督學(xué)習(xí)  1.4  MATLAB程序  1.5  本書的內(nèi)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(jì)  2.6  最近鄰規(guī)則  2.7  貝葉斯網(wǎng)絡(luò)  習(xí)題  MATLAB編程和練習(xí)  參考文獻(xiàn)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(jì)的回顧  3.6  邏輯識(shí)別  3.7  支持向量機(jī)  習(xí)題   MATLAB編程和練習(xí)  參考文獻(xiàn)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(xùn)練集準(zhǔn)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(jìn)  4.8  代價(jià)函數(shù)選擇  4.9  神經(jīng)網(wǎng)絡(luò)大小的選擇  4.10 仿真實(shí)例  4.11 具有權(quán)值共享的網(wǎng)絡(luò)  4.12 線性分類器的推廣  4.13 線性二分法中1維空間的容量  4.14 多項(xiàng)式分類器  4.15 徑向基函數(shù)網(wǎng)絡(luò)  4.16 通用逼近  4.17 概率神經(jīng)元網(wǎng)絡(luò)   4.18 支持向量機(jī)：非線性情況  4.19 超越SVM的范例  4.20 決策樹  4.21 合并分類器  4.22 合并分類器的增強(qiáng)法  4.23 類的不平衡問題   4.24 討論  習(xí)題  MATLAB編程和練習(xí)  參考文獻(xiàn)第5章  特征選擇  5.1  引言  5.2  預(yù)處理  5.3  峰值現(xiàn)象   5.4  基于統(tǒng)計(jì)假設(shè)檢驗(yàn)的特征選擇  5.5  接收機(jī)操作特性（ROC）曲線  5.6  類可分性測(cè)量  5.7  特征子集的選擇  5.8  最優(yōu)特征生成  5.9  神經(jīng)網(wǎng)絡(luò)和特征生成/選擇  5.10 推廣理論的提示  5.11 貝葉斯信息準(zhǔn)則  習(xí)題  MATLAB編程和練習(xí)  參考文獻(xiàn)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-Loève變換  6.4  奇異值分解  6.5  獨(dú)立成分分析  6.6  非負(fù)矩陣因子分解   6.7  非線性維數(shù)降低  6.8  離散傅里葉變換（DFT）  6.9  離散正弦和余弦變換  6.10  Hadamard變換  6.11  Haar變換  6.12 回顧Haar展開式   6.13 離散時(shí)間小波變換（DTWT）  6.14 多分辨解釋  6.15 小波包  6.16 二維推廣簡(jiǎn)介  6.17 應(yīng)用  習(xí)題  MATLAB編程和練習(xí)  參考文獻(xiàn)第7章  特征生成II  7.1  引言  7.2  區(qū)域特征   7.3  字符形狀和大小的特征  7.4  分形概述   7.5  語音和聲音分類的典型特征  習(xí)題  MATLAB編程和練習(xí)  參考文獻(xiàn)第8章  模板匹配  8.1  引言  8.2  基于最優(yōu)路徑搜索技術(shù)的測(cè)度  8.3  基于相關(guān)的測(cè)度  8.4  可變形的模板模型   8.5  基于內(nèi)容的信息檢索：相關(guān)反饋  習(xí)題   MATLAB編程和練習(xí)  參考文獻(xiàn)第9章  上下文相關(guān)分類  9.1  引言  9.2  貝葉斯分類器  9.3  馬爾可夫鏈模型  9.4  Viterbi算法  9.5  信道均衡  9.6  隱馬爾可夫模型  9.7  狀態(tài)駐留的HMM  9.8  用神經(jīng)網(wǎng)絡(luò)訓(xùn)練馬爾可夫模型  9.9  馬爾可夫隨機(jī)場(chǎng)的討論   習(xí)題  MATLAB編程和練習(xí)  參考文獻(xiàn)第10章  監(jiān)督學(xué)習(xí)：尾聲  10.1  引言  10.2  誤差計(jì)算方法  10.3  探討有限數(shù)據(jù)集的大小  10.4  醫(yī)學(xué)圖像實(shí)例研究  10.5  半監(jiān)督學(xué)習(xí)  習(xí)題  參考文獻(xiàn)第11章  聚類：基本概念  11.1  引言  11.2  近鄰測(cè)度  習(xí)題  參考文獻(xiàn)第12章  聚類算法I：順序算法  12.1  引言  12.2  聚類算法的種類   12.3  順序聚類算法  12.4  BSAS的改進(jìn)  12.5  兩個(gè)閾值的順序方法  12.6  改進(jìn)階段  12.7  神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)  習(xí)題   MATLAB編程和練習(xí)  參考文獻(xiàn)第13章  聚類算法II：層次算法  13.1  引言  13.2  合并算法  13.3  cophenetic矩陣   13.4  分裂算法  13.5  用于大數(shù)據(jù)集的層次算法  13.6  最佳聚類數(shù)的選擇  習(xí)題  MATLAB編程和練習(xí)  參考文獻(xiàn)第14章  聚類算法III：基于函數(shù)最優(yōu)方法  14.1  引言  14.2  混合分解方法  14.3  模糊聚類算法  14.4  可能性聚類  14.5  硬聚類算法  14.6  向量量化  附錄  習(xí)題   MATLAB編程和練習(xí)  參考文獻(xiàn)第15章  聚類算法IV  15.1  引言  15.2  基于圖論的聚類算法  15.3  競(jìng)爭(zhēng)學(xué)習(xí)算法  15.4  二值形態(tài)聚類算法  15.5  邊界檢測(cè)算法  15.6  谷點(diǎn)搜索聚類算法   15.7  通過代價(jià)最優(yōu)聚類（回顧）  15.8  核聚類方法  15.9  對(duì)大數(shù)據(jù)集的基于密度算法  15.10 高維數(shù)據(jù)集的聚類算法  15.11 其他聚類算法  15.12 聚類組合  習(xí)題  MATLAB編程和練習(xí)  參考文獻(xiàn)第16章  聚類有效性  16.1  引言  16.2  假設(shè)檢驗(yàn)回顧  16.3  聚類有效性中的假設(shè)檢驗(yàn)  16.4  相關(guān)準(zhǔn)則  16.5  單獨(dú)聚類有效性  16.6  聚類趨勢(shì)  習(xí)題  參考文獻(xiàn)附錄A  概率論和統(tǒng)計(jì)學(xué)的相關(guān)知識(shí)附錄B  線性代數(shù)基礎(chǔ)附錄C  代價(jià)函數(shù)的優(yōu)化附錄D  線性系統(tǒng)理論的基本定義索引

章節(jié)摘錄

　　模式識(shí)別是一門以應(yīng)用為基礎(chǔ)的學(xué)科，目的是將對(duì)象進(jìn)行分類。這些對(duì)象與應(yīng)用領(lǐng)域有關(guān)，它們可以是圖像、信號(hào)波形或者任何可測(cè)量且需要分類的對(duì)象?？梢杂脤Ｓ眯g(shù)語“模式”（Pattern）來稱呼這些對(duì)象。模式識(shí)別（Pa~em Recognition）具有悠久的歷史。在20世紀(jì)60年代以前，模式識(shí)別主要是統(tǒng)計(jì)學(xué)領(lǐng)域中的理論研究。同其他事物一樣，計(jì)算機(jī)的出現(xiàn)提高了對(duì)模式識(shí)別實(shí)際應(yīng)用的需求，而這反過來又對(duì)理論發(fā)展提出了更高的要求。就像我們的社會(huì)從工業(yè)化到后工業(yè)化階段一樣，在工業(yè)生產(chǎn)中，對(duì)自動(dòng)化以及信息處理和檢索的需求變得越來越重要，這種趨勢(shì)把模式識(shí)別推向今天的工程應(yīng)用和研究的高級(jí)階段。在大多數(shù)機(jī)器智能系統(tǒng)中，模式識(shí)別是用于決策的主要部分。　在機(jī)器視覺中，模式識(shí)別是非常重要的。機(jī)器視覺系統(tǒng)通過照相機(jī)捕捉圖像，然后通過分析，生成圖像的描述信息。典型的機(jī)器視覺系統(tǒng)主要應(yīng)用在制造業(yè)中，用于自動(dòng)視覺檢驗(yàn)或自動(dòng)裝配線。例如，在自動(dòng)視覺檢驗(yàn)應(yīng)用中，生產(chǎn)的產(chǎn)品通過傳送帶移動(dòng)到檢驗(yàn)站，檢驗(yàn)站的照相機(jī)確定產(chǎn)品是否合格。因此，必須在線分析圖像，模式識(shí)別系統(tǒng)將產(chǎn)品分為“合格”和“不合格”兩種。然后，根據(jù)分類結(jié)果采取相應(yīng)的動(dòng)作，比如丟棄不合格的產(chǎn)品。在裝配線上，必須對(duì)不同的對(duì)象進(jìn)行定位和識(shí)別，也就是說，將對(duì)象分類到已知類別的某一類中，如螺絲刀類、德國(guó)鑰匙類以及任何工具制造單元，然后機(jī)器手把這些對(duì)象放置在正確的位置?！　∽址ㄗ帜富驍?shù)字）識(shí)別是模式識(shí)別應(yīng)用的另一個(gè)重要領(lǐng)域，主要用于自動(dòng)化和信息處理。光學(xué)字符識(shí)別（Optic Character Recognition，OCR）系統(tǒng)已經(jīng)開始在商業(yè)中應(yīng)用，我們或多或少都對(duì)其有所了解。OCR系統(tǒng)有一個(gè)前端設(shè)備，它由光源、掃描鏡頭、文檔傳送機(jī)和檢測(cè)器組成。在光敏檢測(cè)器的輸出端，光的強(qiáng)度變化轉(zhuǎn)換成數(shù)字信號(hào)，并形成圖像陣列。然后，用一系列的圖像處理技術(shù)完成線和字符的分段，模式識(shí)別軟件完成字符識(shí)別的任務(wù)，也就是將每一個(gè)符號(hào)分到相應(yīng)的“字符、數(shù)字、標(biāo)點(diǎn)符號(hào)”類中。與存儲(chǔ)掃描圖像相比，存儲(chǔ)經(jīng)識(shí)別處理的文檔的好處是：更容易進(jìn)行文字處理；存儲(chǔ)ASCII字符比存儲(chǔ)文檔的圖像效率更高。除了印刷體字符識(shí)別系統(tǒng)外，現(xiàn)在更多的研究集中于手寫體識(shí)別。這種系統(tǒng)的典型商業(yè)應(yīng)用是銀行支票的機(jī)器識(shí)別，機(jī)器必須能夠識(shí)別數(shù)字的個(gè)數(shù)和阿拉伯?dāng)?shù)字，.并進(jìn)行匹配，而且能夠檢查收款人相應(yīng)的支出信用是否相符。哪怕只有一半的支票識(shí)別正確，這樣的機(jī)器也可以將人力從枯燥的工作中解脫出來。另一個(gè)應(yīng)用是郵局的自動(dòng)郵政系統(tǒng)，它進(jìn)行郵政編碼識(shí)別。在線手寫體識(shí)別系統(tǒng)是具有巨大商業(yè)利益的另一應(yīng)用領(lǐng)域，此系統(tǒng)將用于筆輸入計(jì)算機(jī)。在這種計(jì)算機(jī)中，數(shù)據(jù)的輸人不是通過鍵盤而是通過手寫，這順應(yīng)了開發(fā)具有人類技能接口的機(jī)器這一發(fā)展趨勢(shì)?！　∮?jì)算機(jī)輔助診斷（Computer_aided diagnosis）是模式識(shí)別的另一個(gè)重要的應(yīng)用，目的是幫助醫(yī)生做診斷決定，當(dāng)然最終的診斷由醫(yī)生來完成。計(jì)算機(jī)輔助診斷已經(jīng)應(yīng)用于實(shí)際，主要研究各種醫(yī)療數(shù)據(jù)，如x射線、計(jì)算機(jī)斷層圖、超聲波圖、心電圖（ECG）和腦電圖（EEG）。計(jì)算機(jī)輔助診斷的系統(tǒng)需求來源于如下事實(shí)：醫(yī)療數(shù)據(jù)較難解釋并且解釋結(jié)果多依賴于醫(yī)生的經(jīng)驗(yàn)。

編輯推薦

　　《模式識(shí)別（第4版）》綜合考慮了有監(jiān)督、無監(jiān)督和半監(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)生建立起了完整的基本知識(shí)體系。《模式識(shí)別（第4版）》由模式識(shí)別領(lǐng)域的兩位頂級(jí)專家合著，全面闡述了模式識(shí)別的基礎(chǔ)理論、最新方法、以及各種應(yīng)用。在第四版中增加了一些最新方法，具體有：半監(jiān)督學(xué)習(xí)、非線性降維技術(shù)和譜聚類?！　≈饕攸c(diǎn)　　增加了大數(shù)據(jù)集和高維數(shù)據(jù)相關(guān)的最新算法，這些算法適用于Web挖掘和生物信息等應(yīng)用。涵蓋了不同的應(yīng)用，例如圖像分析、光學(xué)字符識(shí)別、信道均衡、語言識(shí)別和音頻分類等。提供了最新的分類器和魯棒回歸的核方法。分類器組合技術(shù)，包括Boostirlg方法?！　⌒绿厣　∮肕ATLAB求解問題給出一些例題的多種求解方法給出更多的圖解新增了一些熱點(diǎn)問題，如：非線性降維、非負(fù)矩陣因數(shù)分解、關(guān)聯(lián)性反饋、魯棒回歸、半監(jiān)督學(xué)習(xí)、譜聚類和聚類組合技術(shù)

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    模式識(shí)別 PDF格式下載

---