模式识别 大中专理科计算机 刘家锋 等 编
none
¥
25.45
7.3折
¥
35
全新
仅1件
作者刘家锋 等 编
出版社哈尔滨工业大学出版社
ISBN9787560367132
出版时间2017-06
版次2
装帧平装
开本16
页数250页
字数391千字
定价35元
货号xhwx_1201538018
上书时间2024-12-25
商品详情
- 品相描述:全新
-
正版特价新书
- 商品描述
-
目录:
章绪论
1.1模式识别的应用
1.2模式识别系统
1.3模式识别方法
1.4内容安排
第2章距离分类器
2.1距离分类器
2.1.1距离分类器的一般形式
2.1.2模板匹配
2.1.3近邻分类
2.1.4近邻分类器的加速
2.1.5k—近邻算法
2.2距离和相似度量
2.2.1距离度量
2.2.2相似度量
2.2.3matlab实现
2.3分类器能评价
2.3.1评价指标
2.3.2评价方法
本章小结
题
第3章聚类分析
3.1无监督学与聚类
3.1.1为什么要进行无监督学
3.1.2聚类分析的应用
3.1.3聚类分析的过程
3.1.4聚类问题的描述
3.2简单聚类方法
3.2.1顺序聚类
3.2.2大小距离聚类
3.3谱系聚类
3.3.1谱系聚类合并算法
3.3.2算法实现
3.3.3谱系聚类分裂算法
3.4k—均值聚类
3.4.1k—均值算法
3.4.2算法的改进
3.5聚类检验
3.5.1聚类结果的检验
3.5.2聚类数的间接选择
3.5.3聚类数的直接选择
本章小结
题
第4章线判别函数分类器
4.1线判别函数和线分类界面
4.1.1线判别函数
4.1.2三个断言的证明
4.2感知器算法
4.2.1感知器准则
4.2.2感知器算法
4.2.3感知器算法存在的问题
4.3小方误差算法
4.3.1方误差准则
4.3.2小方误差算法
4.4线判别函数分类器用于多类别问题
4.4.1一对多方式
4.4.2一对一方式
4.4.3扩展的感知器算法
4.4.4感知器网络
本章小结
题
第5章特征选择与特征提取
5.1类别可分判据
5.1.1基于距离的可分判据
5.1.2基于散布矩阵的可分判据
5.2特征选择
5.2.1分支定界法
5.2.2次优搜索算法
5.3特征提取
5.3.1主成分分析
5.3.2基于fisher准则的可分分析
本章小结
题
第6章非线判别函数分类器
6.1广义线判别函数分类器
6.1.1异或问题的非线判别函数
6.1.2多项式判别函数
6.2多层感知器网络
6.2.1解决xor问题的多层感知器
6.2.2多层感知器的结构
6.2.3多层感知器的学
6.2.4多层感知器学算法的改进
6.3支持向量机
6.3.1优线判别函数分类器
6.3.2支持向量机的学
6.3.3核函数与非线支持向量机
本章小结
题
第7章统计分类器及其学
7.1贝叶斯决策理论
7.1.1常用的概率表示形式
7.1.2小错误率准则贝叶斯分类器
7.1.3小均风险准则贝叶斯分类器
7.2高斯分布贝叶斯分类器
7.2.1高斯分布的判别函数
7.2.2朴素贝叶斯分类器
7.2.3改进的二次判别函数
7.3概率密度函数的参数估计
7.3.1大似然估计
7.3.2高斯混合模型
7.3.3期望大化算法
7.3.4隐含马尔科夫模型
7.3.5贝叶斯估计
7.4概率密度函数的非参数估计
本章小结
题
第8章模式识别应用系统实例
8.1在线手写汉字识别系统
8.1.1汉字识别
8.1.2方向特征识别方法
8.1.3隐马尔科夫模型识别方法
8.1.4数据集及系统测试
8.2纸币图像识别系统
8.3乳腺超声图像识别系统
本章小结
附录
附录a矢量、矩阵及其导数
a.1矩阵和矢量
a.2矩阵和矢量的运算
a.3矢量与坐标系
a.4矩阵和矢量的导数
附录b优化方法
b.1直接法求极值
b.2梯度法
b.3牛顿法
b.4拟牛顿法
b.5共轭梯度法
b.6约束优化
附录c概率论
c.1离散变量和连续变量
c.2联合概率和条件概率
c.3贝叶斯公式
c.4全概公式
附录d高斯分布参数的极大似然估计
附录e高斯混合模型em算法的迭代公式
e.1混合密度模型
e.2混合密度模型参数估计的em迭代公式
e.3高斯混合模型参数估计的em迭代公式
附录f一维高斯分布均值的贝叶斯估计
参文献
名词索引
内容简介:
和信息化部"十二五"规划教材:模式识别(第2版)重点介绍模式识别的基本概念和基本方法,在保证理论完整的前提下,详细讨论具体算法的基本思想、实现方法、优缺点以及适用领域,使读者在了解模式识别基本理论的同时能够掌握分类器设计方法,通过具体的应用实例和实践环节,帮助读者尽快做到理论与实践的结合,掌握模式识别方法用以解决在具体应用中所遇到的问题。
— 没有更多了 —
正版特价新书
以下为对购买帮助不大的评价