模式識別原理及應(yīng)用

定　價：￥55.00

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

購買這本書可以去

ISBN：	9787030405708	出版時間：	2014-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	409	字數(shù)：

內(nèi)容簡介

　　《模式識別原理及應(yīng)用/研究生教育“十二五”規(guī)劃教材》是關(guān)于模式識別理論方法及應(yīng)用的一本專著，系統(tǒng)地介紹了模式識別的基本理論和基本方法，并在此基礎(chǔ)上介紹了模式識別的典型應(yīng)用和新型應(yīng)用?！赌Ｊ阶R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)計模式識別、結(jié)構(gòu)模式識別、模糊模式識別、神經(jīng)網(wǎng)絡(luò)模式識別等內(nèi)容，同時還加入當前應(yīng)用廣泛的隱馬爾可夫斯基模型、條件隨機場模型、最大熵模型等，并通過大量實例講述如何將所學知識運用到實際應(yīng)用之中，對文本分類、文本聚類、語音識別、圖像識別等應(yīng)用做了詳細介紹。注重對主要知識內(nèi)容的深入討論，又突出了廣泛性、新穎性。

作者簡介

　　余正濤，男，1970年出生，博士、教授、博士研究生導師，昆明理工大學信息工程與自動化學院院長，昆明理工大學智能信息處理重點實驗室主任，昆明理工大學智能信息處理創(chuàng)新團隊首席教授。2005年博士畢業(yè)于北京理工大學計算機應(yīng)用技術(shù)專業(yè)，2008年11月至2009年12月在美國普渡大學做訪問學者，主要從事自然語言處理、信息檢索及機器學習方面的研究，入選首批中央組織部國家高層次人才特支計劃“萬人計劃（科技創(chuàng)新領(lǐng)軍人才）”，入選首批科學技術(shù)部創(chuàng)新人才推進計劃“中青年科技創(chuàng)新領(lǐng)軍人才，云南省中青年學術(shù)技術(shù)帶頭人、國家自然科學基金項目通信評議人、中國科技獎勵評審專家、中國計算機學會高級會員、中國中文信息學會理事、中國自動化學會理事、中國中文信息學會信息檢索專委會委員、中國計算機學會協(xié)同計算專委會委員、中國計算機學會中文信息技術(shù)專委會委員、中國計算機學會互聯(lián)網(wǎng)專委會委員、中國人工智能學會機器學習專委會委員，2008年享受云南省政府特殊津貼，主持國家自然科學基金、國家中小企業(yè)創(chuàng)新基金、教育部自然科學基金、云南省自然科學基金重點項目、云南省“九五”攻關(guān)項目、云南省教育廳基金及橫向合作項目近40余項。發(fā)表學術(shù)論文150余篇，被SCI、EI收錄80余篇，第一授權(quán)人授權(quán)國家發(fā)明專利2項，受理國家發(fā)明專利5項，授權(quán)軟件著作權(quán)65項。以第一獲獎人獲得云南省科技進步獎一等獎、云南省自然科學獎二等獎、中國技術(shù)市場協(xié)會金橋獎、云南省科技進步獎三等獎各1項。

圖書目錄

第1章模式識別概論1.1 概述1.2 模式識別的發(fā)展歷史1.3 模式識別與其他學科的關(guān)系1.4 模式識別的基本方法1.5 模式識別的應(yīng)用本章小結(jié)習題與思考題參考文獻
第2章模式識別的基本概念2.1 概述2.2 基本概念2.3 模式識別系統(tǒng)2.4 模式識別的一些基本問題2.5 相關(guān)數(shù)學概念本章小結(jié)習題與思考題參考文獻
第3章模式識別的判別函數(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)計本章小結(jié)習題與思考題參考文獻
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)習題與思考題參考文獻
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)習題與思考題參考文獻
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)習題與思考題參考文獻
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 聚類準則函數(shù)7.5 聚類算法7.6 聚類分析在虛假評論檢測中的應(yīng)用本章小結(jié)習題與思考題參考文獻
第8章句法模式識別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 自動機理論8.6 自動機理論在語音識別中的應(yīng)用本章小結(jié)習題與思考題參考文獻
第9章模糊模式識別9.1 概述9.2 模糊模式識別的基本概念9.3 直接模糊模式識別法9.4 間接模糊模式識別法9.5 模糊聚類9.6 模糊模式識別在大氣質(zhì)量評定中的應(yīng)用本章小結(jié)習題與思考題參考文獻
第10章決策樹10.1 概述10.2 決策樹學習10.3 CLS學習算法10.4 ID3學習算法10.5 決策樹的剪枝技術(shù)10.6 決策樹的評價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 基于決策樹的個人住房貸款信用風險評估模型本章小結(jié)習題與思考題參考文獻
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)拓撲結(jié)構(gòu)11.4 人工神經(jīng)網(wǎng)絡(luò)學習方法及規(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)習題與思考題參考文獻
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識別中的應(yīng)用本章小結(jié)習題與思考題參考文獻
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)習題與思考題參考文獻
第14章條件隨機場14.1 概述14.2 概率圖模型14.3 條件隨機場簡介14.4 勢函數(shù)14.5 參數(shù)估計與訓練14.6 參數(shù)估計的優(yōu)化14.7 條件隨機場在旅游領(lǐng)域命名實體識別中的應(yīng)用本章小結(jié)習題與思考題參考文獻
第15章統(tǒng)計學習理論及支持向量機15.1 概述15.2 機器學習的基本問題和方法15.3 統(tǒng)計學習理論15.4 支持向量機15.5 支持向量機的分類與回歸15.6 基于支持向量機的漢語問句分類本章小結(jié)習題與思考題參考文獻
第16章統(tǒng)計語言模型及信息檢索16.1 概述16.2 統(tǒng)計語言模型16.3 信息檢索16.4 統(tǒng)計語言模型在拼音輸人法中的應(yīng)用本章小結(jié)習題與思考題參考文獻
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
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 實驗與結(jié)果分析本章小結(jié)參考文獻
第19章基于HMM的語音識別19.1 概述19.2 語音識別19.3 實驗及結(jié)果分析本章小結(jié)參考文獻
第20章基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識別20.1 概述20.2 基于BP神經(jīng)網(wǎng)絡(luò)數(shù)字識別的算法本章小結(jié)參考文獻