现代模式识别PDF电子书下载

第一章 绪论 1

概述 1

特征矢量和特征空间 6

随机矢量的描述 6

正态分布 9

参考文献 15

第二章 聚类分析 16

聚类分析的概念 16

模式相似性测度 18

类的定义与类间距离 25

准则函数 29

聚类的算法 37

文献简评 应用简介 67

习题 68

上机练习 70

参考文献 71

第三章 判别域代数界面方程法 73

用判别域界面方程分类的概念 73

线性判别函数 73

判别函数值的鉴别意义、权空间及解空间 78

Fisher线性判别 80

线性可分条件下判别函数的权矢量算法 85

一般情况下的判别函数权矢量算法 92

线性规划方法 99

线性二分能力 101

广义线性判别函数 104

二次判别函数 106

分段线性判别函数 108

位势函数分类法 116

支持矢量机简介 120

最小最大概率机 122

文献简评 应用简介 128

习题 128

上机练习 129

参考文献 130

第四章 统计判决 132

最小误判概率准则判决 132

最小损失准则判决 148

最小最大损失准则 156

N-P （Neyman-Pearson）判决 159

序贯判决（SPRD） 162

Fisher准则判决 167

特征数据缺损或被噪声污染下的Bayes判决 168

批对象的复合判决 170

文献简评 应用简介 171

习题 171

上机练习 175

参考文献 176

第五章 统计决策中的学习与错误率估计 178

统计推断概述 178

参数估计 180

Bayes学习 186

概密的窗函数估计法 189

有限项正交函数级数逼近法 198

用位势函数法逼近Bayes判决函数 202

随机逼近方法求类的后验概率 205

统计决策准则下线性判决函数的训练生成 210

错误率估计 215

基于平均损失估计的学习及最小误判概率的估计 224

无监督估计（盲估计） 226

期望最大化算法 232

集成学习 238

文献简评 应用简介 241

习题 243

上机练习 246

参考文献 248

第六章 最近邻法 252

基本的最近邻法 252

剪辑最近邻法 259

引入拒绝决策的最近邻法 263

最近邻法中的最佳距离及其实际计算 265

文献简评 应用简介 269

习题 269

参考文献 270

第七章 特征提取与选择 272

概述 272

类别可分性判据 273

基于可分性判据进行变换的特征提取与选择 285

最佳鉴别矢量的提取 296

离散K-L变换及其在特征提取与选择中的应用 299

独立成分分析 310

基于决策界的特征提取 316

特征选择中的直接挑选法 323

多维尺度分析 329

文献简评 应用简介 331

习题 333

参考文献 334

第八章 模糊模式识别 338

引言 338

普通集合与模糊集合 338

普通集合上的关系及有关知识 351

模糊关系与模糊变换 355

模糊度和特征提取与选择 359

模糊识别的基本方法 362

基于模糊相似矩阵的分类方法 366

模糊C-均值聚类算法 367

最大树法模式识别 378

几何图形的模糊识别 380

文献简评 应用简介 382

习题 382

参考文献 383

第九章 神经网络在模式识别中的应用 385

人工神经网络的基本知识 385

前向型人工神经网络 389

BP网的性能和学习改进 400

Hopfield网络 415

随机神经网络 424

自适应共振理论神经网络 435

自组织特征映射神经网络 438

模糊神经网络 442

概率神经网络 446

RCE神经网络 447

文献简评 应用简介 448

习题 449

上机练习 450

参考文献 451

第十章 信息融合 454

概述 454

融合技术层次性及融合系统功能模块和结构 455

关于信息融合的熵理论 462

观测不相关的分布式最小损失准则下的检测与决策融合 467

观测相关的决策融合 475

N-P准则下的决策融合 479

分布式检测决策融合全局最优概述及某些约束条件下最优解 481

D-S证据理论的融合算法 485

文献简评 应用简介 491

习题 492

参考文献 492

第十一章 结构模式识别 495

结构模式识别概述 495

形式语言 496

高维文法与随机文法 500

模式的描述 507

句法分析 512

文法推断 532

文献简评 应用简介 548

习题 548

参考文献 554

第十二章 智能化方法 555

人工智能 555

专家系统 555

知识的表示 558

智能推理技术 563

不确定性推理 572

文献简评 应用简介 599

习题 599

参考文献 602

第十三章 树分类器 604

树分类器原理 604

树分类器的设计原则 607

树分类器的关键技术 608

决策树生成算法 614

文献简评 应用简介 618

习题 619

上机练习 621

参考文献 622

第十四章 支持矢量机 624

最优化的分析方法原理 624

最优分类界面 629

广义最优分类界面 633

最优界面与广义最优界面分类性能的统计特性 636

支持矢量机（SVM） 637

基于Adaboost的SVM组合 646

文献简评 应用简介 650

习题 650

参考文献 650

第十五章 基于隐马尔可夫模型识别方法 653

一阶马尔可夫模型（MM） 653

一阶隐马尔可夫模型（HMM） 653

可见序列概率估计 655

隐状态估计 658

模型参数估计 659

隐马尔可夫模型方法模式识别 661

文献简评 应用简介 662

习题 662

参考文献 664

第十六章 子空间模式识别方法 666

概述 666

子空间 投影 667

子空间判别法 673

线性回归模型法 676

正交子空间法 676

Kohonen学习子空间法 679

子空间的平均学习法 684

文献简评 应用简介 686

习题 687

参考文献 687

第十七章 机器统计学习理论 689

机器统计学习理论概述 689

经验风险最小化设计 690

经验风险最小化原则的一致性条件 692

最优指示函数判决风险的界 699

训练序列的长度和识别率估计精度的关系 704

结构风险最小化 707

文献简评 应用简介 711

习题 711

参考文献 712