模式識別：原理、方法及應(yīng)用

定　價：￥45.00

作　者：	（美）J. P. Marques de Sa著；吳逸飛譯；吳逸飛譯
出版社：	清華大學(xué)出版社
叢編項：	國外計算機科學(xué)經(jīng)典教材
標　簽：	教材虛擬現(xiàn)實計算機控制仿真與人工智能計算機與互聯(lián)網(wǎng)

購買這本書可以去

ISBN：	9787302059943	出版時間：	2002-01-01	包裝：	精裝
開本：	23cm	頁數(shù)：	312	字數(shù)：

內(nèi)容簡介

　　國外計算機科學(xué)經(jīng)典教材。本書對模式識別領(lǐng)域中的原理與方法作了全面的闡述，并對其在現(xiàn)實生活中各個領(lǐng)域（如工程技術(shù)、醫(yī)學(xué)、經(jīng)濟學(xué)、地質(zhì)學(xué)等）的具體應(yīng)用加以例證。它不僅是一本難得的模式識別課程教材，更可為那些需要應(yīng)用模式識別技術(shù)的專業(yè)人員提供指導(dǎo)和幫助。本書內(nèi)容闡述清晰、流暢，角度新穎。大量的實例可以使讀者加深對原理和方法應(yīng)用的理解。同時，本書還介紹了模式識別領(lǐng)域中一些最新的研究方法和成果（如VC及FS維、支持向量機、Hopfield網(wǎng)絡(luò)中的松馳匹配等）。附贈的數(shù)據(jù)集和軟件工具，可以使讀者一開始就能夠輕松、方便地依照教材內(nèi)容進行各項試驗。

作者簡介

暫缺《模式識別：原理、方法及應(yīng)用》作者簡介

圖書目錄

第1章  基本概念
1. l  對象識別
1. 2  模式相似度和模式識別任務(wù)
1. 2. 1  分類決策
1. 2. 2  回歸問題
l. 2. 3  描述
1. 3  類別. 模式和特征
1. 4  模式識別方法
l. 4. l  數(shù)據(jù)聚類
l. 4. 2  統(tǒng)計分類
1. 4. 3  神經(jīng)網(wǎng)絡(luò)
1. 4. 4  結(jié)構(gòu)模式識別
1. 5  模式識別工程
1. 5. l  工程任務(wù)
1. 5. 2  訓(xùn)練和測試
1. 5. 3  模式識別軟件
第2章  模式判別
2. l  決策區(qū)域和決策函數(shù)
2. 1. l  廣義決策函數(shù)
2. 1. 2  分類超平面
2. 2  特征空間尺度
2. 3  協(xié)方差矩陣
2. 4  主成分
2. 5  特征評價
2. 5. l  圖形考察
2. 5. 2  分布模型評價
2. 5. 3  統(tǒng)計推論檢測
2. 6  維數(shù)比率問題
第3章  數(shù)據(jù)聚類
3. l  非監(jiān)督學(xué)習(xí)分類
3. 2  標準化問題
3. 3  樹聚類
3. 3. 1  聯(lián)接規(guī)則
3. 3. 2  樹聚類實例
3. 4  降維問題
3. 5  K均值聚類
3. 6  聚類有效性
第4章  統(tǒng)計分類
4. l  線性判別
4. 1. l  最小距離分類器
4. 1. 2  歐幾里得線性判別
4. 1. 3  馬氏距離線性判別
4. 1. 4   Fisher線性判別
4. 2  貝葉斯分類
4. 2. 1  基于最小風(fēng)險的貝葉斯準則
4. 2. 2  正態(tài)形式貝葉斯分類
4. 2. 3  拒絕區(qū)域
4. 2. 4  維數(shù)比率以及錯誤率估計
4. 3  "模型一無關(guān)"技巧
4. 3. 1  Parzen窗函數(shù)法
4. 3. 2  k-近鄰法
4. 3. 3  ROC曲線法
4. 4  特征選擇
4. 5  分類器評價
4. 6  樹分類器
4. 6. l  決策樹以及決策表
4. 6. 2  分類器
4. 7  數(shù)據(jù)挖掘中的統(tǒng)計分類器
第5章  神經(jīng)網(wǎng)絡(luò)
5. l  最小均值平方誤差調(diào)整判別
5. 2  活化函數(shù)
5. 3  感知器原理
5. 4  神經(jīng)網(wǎng)絡(luò)的類型
5. 5  多層感知器
5. 5. 1  反向傳播算法
5. 5. 2  實際應(yīng)用中的有關(guān)問題
5. 5. 3  時間序列
5. 6  神經(jīng)網(wǎng)絡(luò)的性能
5. 6. l  錯誤率估計
5. 6. 2  海賽矩陣
5. 6. 3  神經(jīng)網(wǎng)絡(luò)設(shè)計中的偏差量及方差
5. 6. 4  網(wǎng)絡(luò)復(fù)雜度
5. 6. 5  風(fēng)險最小化
5. 7  神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的近似模型
5. 7. l  共軛-梯度方法
5. 7. 2  Levenberg－Marquardt主法
5. 8  神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的遺傳算法
5. 9  徑向基函數(shù)
5. 10  支持向量機
5. 11  Kohonen網(wǎng)絡(luò)
5. 12  Hopfield網(wǎng)絡(luò)
5. 13  模塊神經(jīng)網(wǎng)絡(luò)
5. 14  神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用
第6章  結(jié)構(gòu)模式識別
6. l  模式基元
6. 1. 1  信號基元
6. 1. 2  圖像基元
6. 2  結(jié)構(gòu)化描述
6. 2. l  字符串
6. 2. 2  圖形
6. 2. 3  樹
6. 3  句法分析
6. 3. l  字符串語法
6. 3. 2  畫面描述語言
6. 3. 3  語法種類
6. 3. 4  有限狀態(tài)自動機
6. 3. 5  屬性語法
6. 3. 6  隨機語法
6. 3. 7  語法推理
6. 4  結(jié)構(gòu)匹配
6. 4. l  字符串匹配
6. 4. 2  隨機松弛匹配
6. 4. 3  離散松弛匹配
6. 4. 4  利用Hopfield網(wǎng)絡(luò)的松弛算法
6. 4. 5  圖和樹匹配
附錄A  數(shù)據(jù)集
A. l  胸部組織
A. 2  聚類
A. 3  軟木塞
A. 4  犯罪
A. 5  心率曲線
A. 6  心電圖
A. 7  嬰兒心率信號
A. 8  阿普伽新生兒心率評估
A. 9  公司
A. 10  嬰兒體重
A. 11  食物
A. 12  水果
A. 13  噪聲脈沖
A. 14  MLP集合
A. 15  規(guī)范2c2d
A. 16  巖石
A. 17  股票交易
A. 18  坦克
A. 19  天氣
附錄B  工具
B. l  適應(yīng)性過濾
B. 2  密度估計
B. 3  訓(xùn)練集大小
B. 4  誤差能量
B. 5  遺傳神經(jīng)網(wǎng)絡(luò)
B. 6  Hopfield網(wǎng)絡(luò)
B. 7  k-NN邊界
B. 8  k-NN分類
B. 9  感知器
B. 10  句法分析
附錄c  標準正交變換
附錄D  符號與縮寫