模式识别原理与应用/高等学校电子与通信类专业“十二五”规划教材

图书标准信息

• 作者 李弼程、邵美珍、黄洁 编
• 出版社 西安电子科技大学出版社
• 出版时间 2008-02
• 版次 1
• ISBN 9787560619859
• 定价 29.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 282页
• 字数 424千字
• 正文语种 简体中文
• 丛书 高等学校电子与通信类专业“十二五”规划教材

【内容简介】

　　《模式识别原理与应用/高等学校电子与通信类专业“十二五”规划教材》系统阐述了模式识别原理与方法，并在此基础上介绍了模式识别的应用。
　　《模式识别原理与应用/高等学校电子与通信类专业“十二五”规划教材》分为两大部分：基础部分主要包括统计模式识别、结构模式识别、模糊模式识别、神经网络模式识别和多分类器融合等内容；应用部分主要包括文本分类、语音识别、图像识别和视频识别等内容。

【目录】

第1章绪论
1.1模式识别的基本概念
1.2模式识别系统
1.3模式识别的基本方法
习题
参考文献

第2章贝叶斯决策理论
2.1分类器的描述方法
2.1.1基本假设
2.1.2模式分类器的描述
2.2最大后验概率判决准则
2.2.1判决准则
2.2.2错误概率
2.3最小风险贝叶斯判决准则
2.4Neyman-Person判决准则
2.5最小最大风险判决准则
习题
参考文献

第3章概率密度函数估计
3.1概率密度函数估计概述
3.2参数估计的基本概念与评价准则
3.2.1参数估计的基本概念
3.2.2参数估计的评价准则
3.3概率密度函数的参数估汁
3.3.1最大似然估计
3.3.2贝叶斯估计
3.3.3贝叶斯学习
3.4概率密度函数的非参数估计
3.4.1非参数估计的基本原理
3.4.2Parzen窗法
3.4.3kN-近邻法
习题
参考文献

第4章线性判别分析
4.1线性判别函数
4.1.1线性判别函数的几何意义
4.1.2广义线性判别函数
4.1.3线性判别函数设计的一般步骤
4.2线性分类器
4.2.1基于错误概率的线性分类器设计
4.2.2Fisher线性判决
4.2.3感知准则函数
4.2.4最小平方误差准则函数
4.2.5决策树
4.3分段线性分类器
4.3.1分段线性分类器的定义
4.3.2分段线性距离分类器
4.3.3分段线性分类器设计的一般考虑
4.4近邻分类器
4.4.1最近邻法
4.4.2k-近邻法
习题
参考文献

第5章特征提取和选择
5.1基本概念
5.1.1特征的特点
5.1.2特征的类别
5.1.3特征的形成
5.1.4特征提取和选择的作用
5.2类的可分性判据
5.2.1基于距离的可分性判据
5.2.2基于概率密度函数的可分性判据
5.2.3基于熵函数的可分性判据
5.3基于可分性判据的特征提取
5.3.1基于距离可分性判据的特征提取方法
5.3.2基于概率密度函数可分性判据的特征提取方法
5.3.3基于熵函数可分性判据的特征提取方法
5.4主分量分析（PCA）
5.5独立分量分析（ICA）
5.5.1ICA概述
5.5.2基于累积量的ICA估计
5.5.3ICA的极大似然估计方法
5.6基于核函数的方法
5.6.1基于核函数方法的基本思想
5.6.2基于核函数的主分量分析
5.6.3基于核函数的独立分量分析
5.6.4基于核函数的Fisher线性判别
5.7特征选择方法
5.7.1最优搜索算法
5.7.2次优搜索算法
5.7.3遗传算法
习题
参考文献

第6章聚类分析
6.1模式相似性测度与聚类准则
6.1.1模式相似性测度
6.1.2聚类准则
6.2基于试探的聚类算法
6.2.1基于最近邻规则的试探法
6.2.2最大最小距离聚类算法
6.3层次聚类法
6.3.1层次聚类法概述
6.3.2类与类之间的距离
6.4动态聚类法
6.4.1动态聚类法的基本思想
6.4.2K均值算法
6.4.3迭代自组织的数据分析算法
6.4.4基于LBG算法的聚类分析
6.5分解法
6.5.1一分为二法
6.5.2分裂法
习题
参考文献

第7章结构模式识别
7.1结构模式识别概述
7.2形式语言与自动机
7.2.1短语结构文法
7.2.2正则文法和有限自动机
7.2.3上下文无关文法和下推自动机
7.3高维文法和随机文法
7.3.1树文法和识别器
7.3.2网文法
7.3.3随机文法和识别器
7.4句法分析
7.4.1穷举法
7.4.2Cooke-Younger-Kasami算法
7.4.3Earley剖析算法
7.5文法推断
7.5.1文法推断的概念
7.5.2正则文法的推断
7.5.3上下文无关文法的推断
习题
参考文献

第8章模糊模式识别
8.1模糊集合
8.1.1模糊子集的概念
8.1.2隶属函数的确定
8.1.3模糊子集的运算
8.2模糊关系
8.2.1模糊关系的定义
8.2.2模糊关系与模糊矩阵的运算
8.3模糊模式识别的基本思想
8.3.1特征的模糊化
8.3.2结果的模糊化
8.3.3硬分类和模糊分类
8.3.4模式分类的最大隶属原则与择近原则
8.4模糊聚类分析
8.4.1模糊等价关系法
8.4.2传递闭包法
8.4.3模糊K均值算法
习题
参考文献

第9章神经网络模式识别
9.1神经网络的基本要素
9.1.1人工神经元模型
9.1.2神经网络结构
9.1.3神经网络的学习方法
9.2前馈神经网络
9.2.1感知器
9.2.2BP网络
9.2.3径向基函数网络
9.3自组织特征映射神经网络
9.3.1网络结构
9.3.2自组织特征映射算法
9.4支持向量机
9.4.1线性可分情况
9.4.2线性不可分情况
9.5神经网络模式识别
9.5.1神经网络模式识别与统计模式识别
9.5.2神经网络模式识别的基本思想
习题
参考文献

第10章多分类器融合
10.1多分类器融合的基本原理
10.1.1多分类器融合的必要性
10.1.2多分类器融合的体系结构
10.1.3多分类器融合的分类
10.2多数投票法和BKS方法
10.2.1多数投票法
10.2.2BKS方法
10.3基于Bayes理论的多分类器融合
10.3.1基于Bayes理论的多分类器合成规则
10.3.2基于Bayes理论的多分类器合成方法
10.4基于证据理论的多分类器融合
10.4.1证据理论基础
10.4.2度量层的多分类器融合
10.4.3决策层的多分类器融合
10.5基于神经网络的多分类器融合
10.6基于模糊积分的多分类器融合
10.6.1g模糊测度
10.6.2模糊积分
10.6.3模糊积分在信息融合中的应用
10.7基于决策模板的多分类器融合
习题
参考文献

第11章文本分类
11.1文本分类技术
11.1.1文本分类流程
11.1.2文本预处理
11.1.3分类器
11.2垃圾邮件识别技术
11.2.1服务器与客户端过滤
11.2.2黑白名单过滤技术
11.2.3规则匹配过滤技术
11.2.4垃圾邮件内容过滤技术
11.3网页分类技术
11.3.1网页分类流程
11.3.2基于向量空间模型的网页噪声净化
习题
参考文献

第12章语音识别
12.1语音识别的基本原理
12.1.1语音识别系统的结构
12.1.2语音信号的预处理
12.1.3语音识别的特征提取
12.1.4语音识别的模型建立
12.1.5语音识别的判决准则
12.2说话人识别
12.2.1说话人识别的基本原理
12.2.2说话人识别系统举例
12.3语种识别
12.3.1语种识别的基本原理
12.3.2语种识别系统举例
12.4关键词识别
12.4.1关键词识别的基本原理
12.4.2关键词识别系统举例
12.5连续语音识别
12.5.1连续语音识别的基本原理
12.5.2连续语音识别系统举例
习题
参考文献

第13章图像识别
13.1图像识别的基本原理
13.2人脸识别
13.2.1费歇尔脸方法
13.2.2小波分解
13.2.3基于小波变换与SVM的人脸识别
13.3签名识别
13.3.1签名图像预处理与特征提取
13.3.2基于证据理论融合的签名识别
13.4车牌识别
13.4.1车牌识别系统简介
13.4.2车牌图像定位分割算法
习题
参考文献

第14章视频识别
14.1视频结构分析
14.1.1视频结构模型
14.1.2非压缩域镜头边界检测方法
14.1.3镜头的表示
14.1.4代表帧的选取方法
14.2主持人识别
14.3标题条识别
14.3.1含有标题条的图像帧检测
14.3.2文字区域识别
习题
参考文献