模式識別

定　價：￥52.00

作　者：	吳陳等著
出版社：	機械工業(yè)出版社
叢編項：	普通高等教育人工智能與大數(shù)據(jù)系列教材
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥52.00)

ISBN：	9787111642411	出版時間：	2020-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	322	字數(shù)：

內(nèi)容簡介

　　本書主要介紹了模式識別的相關(guān)內(nèi)容，涉及模式識別的基本概念、聚類分析、線性判別函數(shù)、貝葉斯分類器、特征選擇和提取、非參數(shù)模式識別方法、神經(jīng)網(wǎng)絡(luò)模式識別方法、模糊模式識別方法、句法模式識別方法，以及新型模式識別方法，如決策樹方法、支持向量機方法、粗糙集方法等一些基本方法，并介紹了基于遺傳算法、模擬退火算法和禁忌搜索算法進行特征選擇的基本思想。書中算法采用MATLAB語言描述，便于讀者編程實驗。本書可讀性和實用性強，內(nèi)容豐富，層次清晰，講解深入淺出，可作為計算機類專業(yè)及相關(guān)專業(yè)本、專科生以及研究生模式識別課程的教材，也可供從事計算機軟件開發(fā)和應(yīng)用的工程技術(shù)人員閱讀和參考。

作者簡介

暫缺《模式識別》作者簡介

圖書目錄

目錄
前言
第1章緒論
1.1模式識別的基本概念
1.2模式識別的內(nèi)容、特點和方法
1.3模式識別的應(yīng)用和發(fā)展
習(xí)題1
第2章聚類分析
2.1引言
2.2相似性度量和聚類準(zhǔn)則
2.3基于距離閾值的聚類算法
2.4層次聚類法
2.5動態(tài)聚類法
2.6聚類結(jié)果的評價
習(xí)題2
第3章判別函數(shù)法
3.1概述
3.2線性判別函數(shù)
3.3線性判別函數(shù)的幾何性質(zhì)
3.4感知器算法
3.5梯度法
3.6最小平方誤差算法
3.7費歇爾線性判別法
3.8非線性判別函數(shù)
3.9勢函數(shù)法
3.10分類器應(yīng)用實例及代碼
習(xí)題3
第4章基于統(tǒng)計決策的概率分類
4.1貝葉斯決策
4.2貝葉斯決策方法的應(yīng)用
4.3貝葉斯分類器的錯誤率
4.4聶曼皮爾遜決策
4.5類條件概率密度函數(shù)的參數(shù)估計
4.6概率密度的非參數(shù)估計
4.7后驗概率密度函數(shù)的勢函數(shù)估計法
習(xí)題4
第5章特征選擇與特征提取
5.1基本概念
5.2類別可分性測度
5.3基于類內(nèi)散布矩陣的單類模式特征提取
5.4基于KL變換的多類模式特征提取
5.5特征選擇
5.6特征選擇的幾種全局搜索方法
習(xí)題5
第6章句法模式識別
6.1概述
6.2形式語言概述
6.3模式的描述方法
6.4文法推斷
6.5句法分析及模式識別
6.6句法結(jié)構(gòu)的自動機識別
習(xí)題6
第7章模糊模式識別
7.1模糊集合
7.2模糊集合的運算
7.3模糊關(guān)系與模糊矩陣
7.4模糊模式分類的直接方法和間接方法
7.5模糊聚類分析法
習(xí)題7
第8章神經(jīng)網(wǎng)絡(luò)模式識別法
8.1人工神經(jīng)網(wǎng)絡(luò)概述
8.2神經(jīng)網(wǎng)絡(luò)的基本概念
8.3前向神經(jīng)網(wǎng)絡(luò)
8.4競爭學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
8.5反饋型神經(jīng)網(wǎng)絡(luò)
習(xí)題8
第9章決策樹
9.1什么是決策樹
9.2屬性選擇的幾個度量
9.3決策樹的建立算法
習(xí)題9
第10章支持向量機
10.1支持向量機的理論基礎(chǔ)
10.2線性判別函數(shù)和判別面
10.3線性不可分下的判別面
10.4非線性可分下的判別函數(shù)
習(xí)題10
第11章粗糙集方法
11.1基本概念
11.2信息系統(tǒng)和決策表及其約簡
11.3基于粗糙集的分類器設(shè)計
習(xí)題11
參考文獻