模式識別

內(nèi)容概要

　　《模式識別》是在我們十余年來對大學(xué)本科生和研究生講授《模式識別》課程的基礎(chǔ)上，結(jié)合近年一些國外教材和我們的模式識別研究成果編寫而成，可作為大學(xué)本科和研究生學(xué)習(xí)模式識別課程的參考書。　　雖然近年有許多新的模式識別研究方法提出，但模式識別的基礎(chǔ)仍是由決策論方法（統(tǒng)計方法）和結(jié)構(gòu)方法（句法方法）兩大部分構(gòu)成。因此，《模式識別》主要介紹統(tǒng)計識別方法和句法方法的基本理論和方法?！赌Ｊ阶R別》共有14章，第1章引論，介紹模式識別的研究內(nèi)容和研究方法；第2章至第6章介紹統(tǒng)計模式識別方法；第7章至第11章介紹句法模式識別方法；第12章介紹把句法模式識別推廣到句法知識系統(tǒng)，從而是實現(xiàn)基于知識的模式識別；第13章介紹模糊集論在模式識別中的應(yīng)用，指出模式識別的模糊本質(zhì)；第14章介紹人工神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用，提出用模式識別的觀點研究究神經(jīng)網(wǎng)絡(luò)，使前饋神經(jīng)網(wǎng)絡(luò)透明化。

書籍目錄

第1章　引論1.1　模式和模式識別1.2　模式識別的發(fā)展和應(yīng)用1.3　模式識別的研究方法第2章　線性判別函數(shù)2.1　線性判別函數(shù)和決策面2.2　感知準(zhǔn)則函數(shù)要梯度下降法2.3　固定增量算法及其收斂性2.4　最小平方誤差準(zhǔn)則函數(shù)2.5　多類情況下的線性判別函數(shù)和固定增量算法2.6　分段線性判別函數(shù)2.7　Fisher線性判別函數(shù)2.8　支持向量機(jī)第3章　Bayes決策理論3.1　最小錯誤概率的Bayes決策3.2　最小風(fēng)險的Bayes決策3.3　Neyman-Pearson決策3.4　最小最大決策3.5　Bayes分類器和判別函數(shù)3.6　正態(tài)分布時的Bayes決策法則3.7　離散情況的ayes決策第4章　概率總體的估計4.1　參數(shù)估計4.2　非參數(shù)技術(shù)第5章　近鄰法則和集群5.1　近鄰法則5.2　集群第6章　模式特征的抽取和選擇6.1　概述6.2　離散的Karhuner-Loeve變換6.3　多個分布的特征選擇6.4　特征抽取方法舉例第7章　結(jié)構(gòu)模式識別方法和形式語言……第8章　形式語言在模式識別中的發(fā)展第9章　句法分析第10章　句法結(jié)構(gòu)模式識別方法的發(fā)展第11章　文法推斷和基元選擇第12章　句法模式識別與專家系統(tǒng)的關(guān)系第13章　模糊集論在模式識別中的應(yīng)用第14章　人工神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用主要參考文獻(xiàn)

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    模式識別 PDF格式下載

---