统计模式识别PDF电子书下载

译序 1

原序 1

第一章 绪论 1

1.模式的描述 1

2.模式识别的概率表达方法 3

3.几何释义 6

4.统计模式识别的应用 7

5.统计模式识别的内容 8

6.文献 8

第二章 线性和非线性分类理论 11

1.引言 11

2.贝叶斯判决的基础理论 11

3.统计准则和鉴别函数 18

4.线性判决函数 19

5.分段线性判决函数 23

6.最小距离分类器 23

7.非线性分类理论 25

8.多模式分类的讨论 26

9.小结 27

第三章 模式的表示法 35

1.引言 35

2.二元随机模式的表示法：正交级数展开法 36

3.二元随机模式的表示法：马尔科夫链法 38

4.模式的卡胡南--洛依夫展开和它的特性 41

5.其它正交展开法 44

6.小结 53

1.引言 61

第四章 特征选择和抽取 61

2.特征有效性的信息度量 62

3.距离度量和性能界限 65

4.多类别的距离度量 69

5.各种特征选择准则的比较 71

6.对特征子集的评价 74

7.降低维数的算法 75

8.维数和样本容量 76

9.小结 79

第五章 监督和非监督参数估计 89

1.引言 89

2.高斯模式的贝叶斯估计 89

3.对监督贝叶斯估计的评价 92

4.慢变化模式的参数估计 93

5.非监督估计的贝叶斯解 95

6.混合参数的估计 96

7.面向判决的估计 99

8.小结 100

第六章 随机近似递归算法 108

1.引言 108

2.使用随机近似的监督参数估计 109

3.概率密度函数的估计 112

4.使用随机近似的非监督估计 113

5.三种随机近似算法的比较 116

6.小结 118

2.某些基本概念和工具 124

1.引言 124

第七章 非参数方法和复合判决理论 124

3.样本集的构成 126

4.最近邻判决法 128

5.复合判决法 131

6.多元密度函数的非参数估计 135

7.非参数特征选择 137

8.小结 139

第八章 聚类和模式簇的确定技术 148

1.引言 148

2.距离和相似性度量 149

3.对聚类和模式簇确定方法的评述 151

4.三种聚类方法 151

5.聚类、集群和数据分组的其它方法 155

6.联机模式分析和识别系统 158

7.小结 160

第九章 序贯模式识别系统 168

1.引言 168

2.贝叶斯序贯判决步骤和一些算题 169

3.序贯概率比测试和广义序贯概率比测试 175

4.贝叶斯序贯分析 180

5.特征排序和选择问题 182

6.非参数序贯排秩步骤 189

7.在医学诊断上的应用 194

8.小结 199

第十章 有限存贮的反馈识别系统 208

1.引言 208

2.在有限存贮情况下进行的学习 209

3.利用有限统计量的识别算法 211

4.有拒识抉择的识别系统 213

5.有信息反馈的识别系统 216

6.小结 219

第十一章 模式识别中的上下文分析 224

1.引言 224

2.马尔科夫链的贝叶斯判决 228

3.上下文分析中的复合判决理论 230

4.上下文识别方法的误差界 233

5.图象解释的一种实用上下文算法 235

6.小结 237

1.引言 241

2.自适应相关器似然计算机 241

第十二章 模式识别和通信理论 241

3.面向判决接收机 244

4.随机信道的学习式接收机 246

5.最优非监督学习接收机：已知参数统计量 250

6.最优非监督学习接收机：未知参数统计量 256

7.小结 259

附录 265

附录A：菲舍(Fisher)鉴别函数的推导 265

附录B：监督估计过程的收敛 266

附录C：有限混合体的能识性 267

附录D：相似性矩阵方法 268

附录E：鸢尾花(Iris)数据集 269

汉英名词对照 271

习题解答 285