模式識(shí)別原理

前言

在信息控制學(xué)科迅速發(fā)展的背景下，特別是計(jì)算機(jī)技術(shù)、信息處理技術(shù)和智能控制技術(shù)的發(fā)展和廣泛應(yīng)用，新知識(shí)，新技術(shù)正在不斷豐富。同時(shí)由于市場(chǎng)經(jīng)濟(jì)的發(fā)展，各高等院校要加強(qiáng)對(duì)專業(yè)人才的培養(yǎng)，在專業(yè)培養(yǎng)目標(biāo)上要求拓寬學(xué)生的知識(shí)面，提高學(xué)生的工程實(shí)踐能力，同時(shí)突出學(xué)生能力與素質(zhì)的培養(yǎng)。因此高等院校課程的設(shè)置、知識(shí)結(jié)構(gòu)、教材內(nèi)容以及實(shí)驗(yàn)方法與教學(xué)手段必須跟上社會(huì)發(fā)展的步伐，才能適應(yīng)和滿足高等院校對(duì)人才培養(yǎng)的需要。為適應(yīng)新時(shí)代科學(xué)技術(shù)的發(fā)展對(duì)于扎實(shí)的學(xué)科基礎(chǔ)知識(shí)的要求，發(fā)揮高等院校在經(jīng)濟(jì)發(fā)展和人才培養(yǎng)中的作用，促進(jìn)教育教學(xué)改革的深化，在信息控制學(xué)科對(duì)于專業(yè)人才培養(yǎng)需求的基礎(chǔ)上，編寫了關(guān)于人工智能信息技術(shù)基礎(chǔ)知識(shí)的《模式識(shí)別原理》一書。自20世紀(jì)初以來，模式識(shí)別理論與應(yīng)用技術(shù)研究迅速發(fā)展，許多成熟的模式識(shí)別技術(shù)已經(jīng)在各行業(yè)得到了廣泛的應(yīng)用。分類學(xué)與應(yīng)用機(jī)器的分類器作為工業(yè)生產(chǎn)的必要環(huán)節(jié)已經(jīng)成為生產(chǎn)設(shè)備的一部分。模式識(shí)別方法的理論研究也已經(jīng)從最早的基于統(tǒng)計(jì)的貝葉斯分類方法，發(fā)展到可以使用機(jī)器學(xué)習(xí)方法的各種人工智能方法，人工神經(jīng)網(wǎng)絡(luò)分類器就是當(dāng)前應(yīng)用最為廣泛的智能分類器之一。20世紀(jì)末，隨著統(tǒng)計(jì)學(xué)習(xí)理論的提出與支撐向量機(jī)的應(yīng)用，更是將機(jī)器學(xué)習(xí)理論的研究提高到一個(gè)新的階段，使得基于小樣本的機(jī)器學(xué)習(xí)方法從本質(zhì)上有了比較完整的理論依據(jù)。當(dāng)前關(guān)于模式識(shí)別技術(shù)研究的重點(diǎn)依然是各種人工智能方法在模式識(shí)別領(lǐng)域的應(yīng)用研究，除了人工神經(jīng)網(wǎng)絡(luò)之外，其他如遺傳算法，模糊邏輯，粗糙邏輯等均是當(dāng)前研究的熱點(diǎn)。因此關(guān)于模式識(shí)別技術(shù)的研究仍然在繼續(xù)發(fā)展，許多研究的熱點(diǎn)問題仍然未得到滿意的解答。需要提到的是，模式識(shí)別技術(shù)的發(fā)展一是以社會(huì)發(fā)展的需求關(guān)系為基礎(chǔ)的，二是以相關(guān)基礎(chǔ)學(xué)科的發(fā)展為基礎(chǔ)的，如計(jì)算科學(xué)，信息科學(xué)，計(jì)算機(jī)科學(xué)等。20世紀(jì)信息學(xué)科基礎(chǔ)理論的飛速發(fā)展，特別是計(jì)算機(jī)硬件技術(shù)與軟件技術(shù)的發(fā)展與普及，更加促進(jìn)了模式識(shí)別技術(shù)的成熟與應(yīng)用。本書根據(jù)當(dāng)前學(xué)科對(duì)于模式識(shí)別基本知識(shí)的需要，按照學(xué)科基礎(chǔ)知識(shí)教育的要求，能夠在基礎(chǔ)知識(shí)教材建設(shè)上做一些知識(shí)普及工作，使得本書能夠成為一本適用于信息控制學(xué)科關(guān)于模式識(shí)別知識(shí)介紹的基礎(chǔ)教材。因此在編者近年來從事研究生課程教學(xué)與本科生課程教學(xué)的教學(xué)基礎(chǔ)上，按照教學(xué)大綱的要求，編寫了本教材。在編寫內(nèi)容上做了如下考慮。

內(nèi)容概要

本書是“高等工科院校信息控制類課程系列化教材”之一，全書共分10個(gè)章節(jié)，主要對(duì)模式識(shí)別的基礎(chǔ)知識(shí)作了介紹，具體內(nèi)容包括線性判別函數(shù)，結(jié)構(gòu)法模式識(shí)別，特征空間分析，非參數(shù)模式識(shí)別方法等。該書可供各大專院校作為教材使用，也可供從事相關(guān)工作的人員作為參考用書使用。

書籍目錄

第1章  緒論  1.1  基本概念  1.2  基本問題  1.3  模式識(shí)別系統(tǒng)  1.4  模式識(shí)別方法第2章  貝葉斯分類器  2.1  引言  2.2  最小錯(cuò)誤率貝葉斯決策  2.3  最小風(fēng)險(xiǎn)貝葉斯決策  2.4  判別函數(shù)與決策面  2.5  正態(tài)分布貝葉斯決策的應(yīng)用  2.6  貝葉斯決策的擴(kuò)展應(yīng)用  2.7  小結(jié)第3章  線性判別函數(shù)  3.1  引言  3.2  Fisher準(zhǔn)則  3.3  感知準(zhǔn)則  3.4  最小錯(cuò)分準(zhǔn)則  3.5  最小平方誤差準(zhǔn)則  3.6  線性判別函數(shù)的擴(kuò)展應(yīng)用  3.7  小結(jié)第4章  結(jié)構(gòu)法模式識(shí)別  4.1  模式基元  4.2  結(jié)構(gòu)描述方法  4.3  句法分析  4.4  結(jié)構(gòu)匹配  4.5  小結(jié)第5章  特征空間分析  5.1  基本概念  5.2  特征空間的距離準(zhǔn)則  5.3  特征空間的統(tǒng)計(jì)準(zhǔn)則  5.4  特征提取  5.5  小結(jié)第6章  非參數(shù)模式識(shí)別方法  6.1  最近鄰法  6.2  k近鄰法  6.3  基本非參數(shù)估計(jì)方法  6.4  ParZen窗估計(jì)方法  6.5  kN近鄰估計(jì)方法  6.6  小結(jié)第7章  聚類分析  7.1  引言  7.2  距離和相似系數(shù)  7.3  層次聚類法  7.4  有序樣本聚類法  7.5  小結(jié)第8章  K-L變換與應(yīng)用  8.1  k-L變換  8.2  K-L展開式的性質(zhì)與評(píng)價(jià)  8.3  K-L變換的應(yīng)用  8.4  主分量分析法  8.5  小結(jié)第9章  人工神經(jīng)網(wǎng)絡(luò)  9.1  引言  9.2  神經(jīng)元  9.3  單層感知器  9.4  線性網(wǎng)絡(luò)  9.5  BP網(wǎng)絡(luò)  9.6  徑向基函數(shù)網(wǎng)絡(luò)  9.7  Hopfield網(wǎng)絡(luò)與聯(lián)想記憶  9.8  小結(jié)第10章  統(tǒng)計(jì)學(xué)習(xí)理論與支撐向量機(jī)  10.1  引言  10.2  機(jī)器學(xué)習(xí)問題基礎(chǔ)  10.3  統(tǒng)計(jì)學(xué)習(xí)理論  10.4  支撐向量機(jī)  10.5  多類分類問題  10.6  支撐向量機(jī)的應(yīng)用  10.7  小結(jié)附錄  模式識(shí)別實(shí)驗(yàn)  實(shí)驗(yàn)1  貝葉斯分類器  實(shí)驗(yàn)2  Fisher準(zhǔn)則實(shí)驗(yàn)  實(shí)驗(yàn)3  線性分類器設(shè)計(jì)  實(shí)驗(yàn)4  BP神經(jīng)網(wǎng)絡(luò)分類器  實(shí)驗(yàn)5  Hopfield神經(jīng)網(wǎng)絡(luò)分類器  實(shí)驗(yàn)6  支撐向量機(jī)(SVM)分類器  實(shí)驗(yàn)7  DCT變換及其應(yīng)用  實(shí)驗(yàn)8  基本PCA法分析  實(shí)驗(yàn)9  k近鄰法分類器設(shè)計(jì)  實(shí)驗(yàn)10  層次聚類分析  實(shí)驗(yàn)11  Parzen窗法分析參考文獻(xiàn)

章節(jié)摘錄

插圖：

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    模式識(shí)別原理 PDF格式下載

---