模式識(shí)別原理及應(yīng)用

定　價(jià)：￥55.00

作　者：	余正濤，郭劍毅，毛存禮等著
出版社：	科學(xué)出版社
叢編項(xiàng)：	研究生教育"十二五"規(guī)劃教材
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 人工智能

購(gòu)買這本書可以去

ISBN：	9787030405708	出版時(shí)間：	2014-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	409	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《模式識(shí)別原理及應(yīng)用/研究生教育“十二五”規(guī)劃教材》是關(guān)于模式識(shí)別理論方法及應(yīng)用的一本專著，系統(tǒng)地介紹了模式識(shí)別的基本理論和基本方法，并在此基礎(chǔ)上介紹了模式識(shí)別的典型應(yīng)用和新型應(yīng)用。《模式識(shí)別原理及應(yīng)用/研究生教育“十二五”規(guī)劃教材》分為二十章，各章包括理論部分和應(yīng)用部分。主要內(nèi)容包括統(tǒng)計(jì)模式識(shí)別、結(jié)構(gòu)模式識(shí)別、模糊模式識(shí)別、神經(jīng)網(wǎng)絡(luò)模式識(shí)別等內(nèi)容，同時(shí)還加入當(dāng)前應(yīng)用廣泛的隱馬爾可夫斯基模型、條件隨機(jī)場(chǎng)模型、最大熵模型等，并通過大量實(shí)例講述如何將所學(xué)知識(shí)運(yùn)用到實(shí)際應(yīng)用之中，對(duì)文本分類、文本聚類、語音識(shí)別、圖像識(shí)別等應(yīng)用做了詳細(xì)介紹。注重對(duì)主要知識(shí)內(nèi)容的深入討論，又突出了廣泛性、新穎性。

作者簡(jiǎn)介

　　余正濤，男，1970年出生，博士、教授、博士研究生導(dǎo)師，昆明理工大學(xué)信息工程與自動(dòng)化學(xué)院院長(zhǎng)，昆明理工大學(xué)智能信息處理重點(diǎn)實(shí)驗(yàn)室主任，昆明理工大學(xué)智能信息處理創(chuàng)新團(tuán)隊(duì)首席教授。2005年博士畢業(yè)于北京理工大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)，2008年11月至2009年12月在美國(guó)普渡大學(xué)做訪問學(xué)者，主要從事自然語言處理、信息檢索及機(jī)器學(xué)習(xí)方面的研究，入選首批中央組織部國(guó)家高層次人才特支計(jì)劃“萬人計(jì)劃（科技創(chuàng)新領(lǐng)軍人才）”，入選首批科學(xué)技術(shù)部創(chuàng)新人才推進(jìn)計(jì)劃“中青年科技創(chuàng)新領(lǐng)軍人才，云南省中青年學(xué)術(shù)技術(shù)帶頭人、國(guó)家自然科學(xué)基金項(xiàng)目通信評(píng)議人、中國(guó)科技獎(jiǎng)勵(lì)評(píng)審專家、中國(guó)計(jì)算機(jī)學(xué)會(huì)高級(jí)會(huì)員、中國(guó)中文信息學(xué)會(huì)理事、中國(guó)自動(dòng)化學(xué)會(huì)理事、中國(guó)中文信息學(xué)會(huì)信息檢索專委會(huì)委員、中國(guó)計(jì)算機(jī)學(xué)會(huì)協(xié)同計(jì)算專委會(huì)委員、中國(guó)計(jì)算機(jī)學(xué)會(huì)中文信息技術(shù)專委會(huì)委員、中國(guó)計(jì)算機(jī)學(xué)會(huì)互聯(lián)網(wǎng)專委會(huì)委員、中國(guó)人工智能學(xué)會(huì)機(jī)器學(xué)習(xí)專委會(huì)委員，2008年享受云南省政府特殊津貼，主持國(guó)家自然科學(xué)基金、國(guó)家中小企業(yè)創(chuàng)新基金、教育部自然科學(xué)基金、云南省自然科學(xué)基金重點(diǎn)項(xiàng)目、云南省“九五”攻關(guān)項(xiàng)目、云南省教育廳基金及橫向合作項(xiàng)目近40余項(xiàng)。發(fā)表學(xué)術(shù)論文150余篇，被SCI、EI收錄80余篇，第一授權(quán)人授權(quán)國(guó)家發(fā)明專利2項(xiàng)，受理國(guó)家發(fā)明專利5項(xiàng)，授權(quán)軟件著作權(quán)65項(xiàng)。以第一獲獎(jiǎng)人獲得云南省科技進(jìn)步獎(jiǎng)一等獎(jiǎng)、云南省自然科學(xué)獎(jiǎng)二等獎(jiǎng)、中國(guó)技術(shù)市場(chǎng)協(xié)會(huì)金橋獎(jiǎng)、云南省科技進(jìn)步獎(jiǎng)三等獎(jiǎng)各1項(xiàng)。

圖書目錄

第1章模式識(shí)別概論1.1 概述1.2 模式識(shí)別的發(fā)展歷史1.3 模式識(shí)別與其他學(xué)科的關(guān)系1.4 模式識(shí)別的基本方法1.5 模式識(shí)別的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第2章模式識(shí)別的基本概念2.1 概述2.2 基本概念2.3 模式識(shí)別系統(tǒng)2.4 模式識(shí)別的一些基本問題2.5 相關(guān)數(shù)學(xué)概念本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第3章模式識(shí)別的判別函數(shù)3.1 概述3.2 線性判別函數(shù)的基本概念3.3 線性判別函數(shù)的判定面3.4 非線性判別函數(shù)3.5 廣義線性判別函數(shù)3.6 線性分類器的設(shè)計(jì)本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第4章線性分類器4.1 概述4.2 線性判別函數(shù)與決策超平面4.3 感知器算法4.4 最小誤差平方和法4.5 梯度下降算法與最小二乘法4.6 Fisher分類器本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第5章特征提取與選擇5.1 概述5.2 基本概念5.3 類別可分性判據(jù)5.4 基于可分性判據(jù)的特征提取5.5 基于K-L變換的特征提取本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第6章基于貝葉斯決策理論的分類器6.1 概述6.2 貝葉斯決策理論的基本概念6.3 常用的決策規(guī)則6.4 概率密度函數(shù)的估計(jì)6.5 樸素貝葉斯分類器6.6 貝葉斯網(wǎng)絡(luò)本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第7章聚類分析7.1 概述7.2 聚類分析的概念7.3 相似性度量7.4 聚類準(zhǔn)則函數(shù)7.5 聚類算法7.6 聚類分析在虛假評(píng)論檢測(cè)中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第8章句法模式識(shí)別8.1 概述8.2 形式語言概述8.3 基元提取和文法推斷8.4 句法分析8.5 自動(dòng)機(jī)理論8.6 自動(dòng)機(jī)理論在語音識(shí)別中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第9章模糊模式識(shí)別9.1 概述9.2 模糊模式識(shí)別的基本概念9.3 直接模糊模式識(shí)別法9.4 間接模糊模式識(shí)別法9.5 模糊聚類9.6 模糊模式識(shí)別在大氣質(zhì)量評(píng)定中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第10章決策樹10.1 概述10.2 決策樹學(xué)習(xí)10.3 CLS學(xué)習(xí)算法10.4 ID3學(xué)習(xí)算法10.5 決策樹的剪枝技術(shù)10.6 決策樹的評(píng)價(jià)10.7 決策樹算法的優(yōu)化10.8 決策樹的應(yīng)用10.8.1 決策樹在文本分類中的應(yīng)用10.8.2 基于決策樹的個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估模型本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第11章人工神經(jīng)網(wǎng)絡(luò)11.1 概述11.2 神經(jīng)元11.3 人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)11.4 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法及規(guī)則11.5 前饋神經(jīng)網(wǎng)絡(luò)及其主要算法11.6 Hopfield網(wǎng)絡(luò)11.7 自組織神經(jīng)網(wǎng)絡(luò)11.8 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第12章隱馬爾可夫模型12.1 概述12.2 隱馬爾可夫模型的概念12.3 隱馬爾可夫模型的三個(gè)基本問題及解決辦法12.4 隱馬爾可夫模型在中文旅游景點(diǎn)識(shí)別中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第13章最大熵模型13.1 概述13.2 熵及最大熵13.3 最大熵模型13.4 最大熵在自然語言處理中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第14章條件隨機(jī)場(chǎng)14.1 概述14.2 概率圖模型14.3 條件隨機(jī)場(chǎng)簡(jiǎn)介14.4 勢(shì)函數(shù)14.5 參數(shù)估計(jì)與訓(xùn)練14.6 參數(shù)估計(jì)的優(yōu)化14.7 條件隨機(jī)場(chǎng)在旅游領(lǐng)域命名實(shí)體識(shí)別中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第15章統(tǒng)計(jì)學(xué)習(xí)理論及支持向量機(jī)15.1 概述15.2 機(jī)器學(xué)習(xí)的基本問題和方法15.3 統(tǒng)計(jì)學(xué)習(xí)理論15.4 支持向量機(jī)15.5 支持向量機(jī)的分類與回歸15.6 基于支持向量機(jī)的漢語問句分類本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第16章統(tǒng)計(jì)語言模型及信息檢索16.1 概述16.2 統(tǒng)計(jì)語言模型16.3 信息檢索16.4 統(tǒng)計(jì)語言模型在拼音輸人法中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第17章基于SVM的中文文本分類17.1 概述17.2 文本分類的原理17.3 基于SVM的文本分類本章小結(jié)參考文獻(xiàn)
第18章基于K均值的中文文本聚類18.1 概述18.2 K均值聚類18.3 K均值中文文本聚類18.4 實(shí)驗(yàn)與結(jié)果分析本章小結(jié)參考文獻(xiàn)
第19章基于HMM的語音識(shí)別19.1 概述19.2 語音識(shí)別19.3 實(shí)驗(yàn)及結(jié)果分析本章小結(jié)參考文獻(xiàn)
第20章基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識(shí)別20.1 概述20.2 基于BP神經(jīng)網(wǎng)絡(luò)數(shù)字識(shí)別的算法本章小結(jié)參考文獻(xiàn)