现代模式识别（第2版）

图书标准信息

• 作者 孙即祥 著
• 出版社 高等教育出版社
• 出版时间 2008-10
• 版次 2
• ISBN 9787040205879
• 定价 58.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 713页
• 字数 1100千字
• 正文语种 简体中文

【内容简介】

　　《现代模式识别(第2版)》系统深入地论述了各类经典的模式识别的理论与方法，同时还较全面地反映了本学科的新近科技成果。《现代模式识别(第2版)》讨论的主流模式识别技术有：统计模式识别、模糊模式识别、神经网络技术、人工智能方法、子空间模式识别及结构模式识别等。
　　《现代模式识别(第2版)》共17章。第一章为引论；第二章至第七章介绍统计模式识别，包括：聚类分析、判别域代数界面方程法、统计判决、统计决策中的学习与错误率估计、最近邻法和特征提取与选择；第八章为模糊模式识别方法；第九章介绍神经网络技术；第十章信息融合主要论述识别与决策中的有关融合技术；第十一章为结构模式识别；第十二章智能化方法侧重讨论不确定推理；第十三章阐述决策树；第十四章论述支持矢量机；第十五章讨论隐马尔可夫模型识别方法；第十六章为子空问模式识别方法；第十七章介绍最小风险设计。
　　《现代模式识别(第2版)》可供电子科学与技术、信息与通信工程、控制科学与工程、计算机科学与技术及其他领域的有关专业和研究方向的研究生、本科高年级学生作为关于信息分析、检测、识别的教材或教学参考书，也可以供相关专业的科研人员参考。

【目录】

第一章绪论
1.1概述
1.2特征矢量和特征空间
1.3随机矢量的描述
1.4正态分布
参考文献
第二章聚类分析
2.1聚类分析的概念
2.2模式相似性测度
2.3类的定义与类间距离
2.4准则函数
2.5聚类的算法
文献简评应用简介
习题
上机练习
参考文献
第三章判别域代数界面方程法
3.1用判别域界面方程分类的概念
3.2线性判别函数
3.3判别函数值的鉴别意义、权空间及解空间
3.4Fisher线性判别
3.5线性可分条件下判别函数的权矢量算法
3.6一般情况下的判别函数权矢量算法
3.7线性规划方法
3.8线性二分能力
3.9广义线性判别函数
3.10二次判别函数
3.11分段线性判别函数
3.12位势函数分类法
3.13支持矢量机简介
3.14最小最大概率机
文献简评应用简介
习题
上机练习
参考文献
第四章统计判决
4.1最小误判概率准则判决
4.2最小损失准则判决
4.3最小最大损失准则
4.4N-P(Neyman—Pearson)判决
4.5序贯判决(SPRD)
4.6Fisher准则判决
4.7特征数据缺损或被噪声污染下的Bayes判决
4.8批对象的复合判决
文献简评应用简介
习题
上机练习
参考文献
第五章统计决策中的学习与错误率估计
5.1统计推断概述
5.2参数估计
5.3Bayes学习
5.4概密的窗函数估计法
5.5有限项正交函数级数逼近法
5.6用位势函数法逼近Bayes判决函数
5.7随机逼近方法求类的后验概率
5.8统计决策准则下线性判决函数的训练生成
5.9错误率估计
5.10基于平均损失估计的学习及最小误判概率的估计
5.11无监督估计(盲估计)
5.12期望最大化算法
5.13集成学习
文献简评应用简介
习题
上机练习
参考文献
第六章最近邻法
6.1基本的最近邻法
6.2剪辑最近邻法
6.3引入拒绝决策的最近邻法
6.4最近邻法中的最佳距离及其实际计算
文献简评应用简介
习题
参考文献
第七章特征提取与选择
7.1概述
7.2类别可分性判据
7.3基于可分性判据进行变换的特征提取与选择
7.4最佳鉴别矢量的提取
7.5离散K-L变换及其在特征提取与选择中的应用
7.6独立成分分析
7.7基于决策界的特征提取
7.8特征选择中的直接挑选法
7.9多维尺度分析
文献简评应用简介
习题
参考文献
第八章模糊模式识别
8.1引言
8.2普通集合与模糊集合
8.3普通集合上的关系及有关知识
8.4模糊关系与模糊变换
8.5模糊度和特征提取与选择
8.6模糊识别的基本方法
8.7基于模糊相似矩阵的分类方法
8.8模糊C-均值聚类算法
8.9最大树法模式识别
8.10几何图形的模糊识别
文献简评应用简介
习题
参考文献
第九章神经网络在模式识别中的应用
9.1人工神经网络的基本知识
9.2前向型人工神经网络
9.3BP网的性能和学习改进
9.4Hopfield网络
9.5随机神经网络
9.6自适应共振理论神经网络
9.7自组织特征映射神经网络
9.8模糊神经网络
9.9概率神经网络
9.10RCE神经网络
文献简评应用简介
习题
上机练习
参考文献
第十章信息融合
10.1概述
10.2融合技术层次性及融合系统功能模块和结构
10.3关于信息融合的熵理论
10.4观测不相关的分布式最小损失准则下的检测与决策融合
10.5观测相关的决策融合
10.6N-P准则下的决策融合
10.7分布式检测决策融合全局最优概述及某些约束条件下最优解
10.8D-S证据理论的融合算法
文献简评应用简介
习题
参考文献
第十一章结构模式识别
11.1结构模式识别概述
11.2形式语言
11.3高维文法与随机文法
11.4模式的描述
11.5句法分析
11.6文法推断
文献简评应用简介
习题
参考文献
第十二章智能化方法
12.1人工智能
12.2专家系统
12.3知识的表示
12.4智能推理技术
12.5不确定性推理
文献简评应用简介
习题
参考文献
第十三章树分类器
13.1树分类器原理
13.2树分类器的设计原则
13.3树分类器的关键技术
13.4决策树生成算法
文献简评应用简介
习题
上机练习
参考文献
第十四章支持矢量机
14.1最优化的分析方法原理
14.2最优分类界面
14.3广义最优分类界面
14.4最优界面与广义最优界面分类性能的统计特性
14.5支持矢量机(SVM)
14.6基于Adaboost的SVM组合
文献简评应用简介
习题
参考文献
第十五章基于隐马尔可夫模型识别方法
15.1一阶马尔可夫模型(MM)
15.2一阶隐马尔可夫模型(HMM)
15.3可见序列概率估计
15.4隐状态估计
15.5模型参数估计
15.6隐马尔可夫模型方法模式识别
文献简评应用简介
习题
参考文献
第十六章子空间模式识别方法
16.1概述
16.2子空间投影
16.3子空间判别法
16.4线性回归模型法
16.5正交子空间法
16.6Kohonen学习子空间法
16.7子空间的平均学习法
文献简评应用简介
习题
参考文献
第十七章机器统计学习理论
17.1机器统计学习理论概述
17.2经验风险最小化设计
17.3经验风险最小化原则的一致性条件
17.4最优指示函数判决风险的界
17.5训练序列的长度和识别率估计精度的关系
17.6结构风险最小化
文献简评应用简介
习题
参考文献