计算机模式识别 统计方法PDF电子书下载

第一章导言 1

1·1一般论述 1

目录 1

1·2基本概念 2

1·3基本原则 5

1·4分类系统及分析系统的结构 7

1·5应用情况与前景 8

1·6一个模式分类的例子 9

第二章统计分类器 18

2·1问题和思想 18

2·2最优分类器 19

2·3最优分类器的特殊形式——Bayes分类器 21

2·4统计分类器的错误概率 23

2·5正态分布持征向量的统计分类器 24

2·8正态分布特征向量统计分类器的特殊形式 26

2·8损失函数及其设置 27

2·7拒分类准则 27

第三章几何分类器 30

3·1问题和思想 30

3·2几何分类器的一般求解 31

3·3拒分类准则 34

第四章线性分类器 36

4·1最小距离分类器 36

4·2加权最小距离分类器 37

4·3可调线性分类器 40

4·4可调线性分类器收敛性的证明 42

4·5逐段线性分类器 44

第五章非参数分类器 46

5·1问题和思想 46

5·2m-最近邻分类器与最近邻分类器 47

5·3近邻分类器的错误概率 48

5·4·1CNN算法 52

5·4·2RNN算法 52

5·4实现近邻分类器时样本集ω的精简 52

5·4·3类边界模式的确定 53

5·4·4J.R.Ullmann算法（一） 53

5·4·5J.R.Ullmann算法（二） 53

5·4·6ChangChin-Liang算法 54

5·5加权m-最近邻分类器 56

5·5·1W-m-NN分类规则 57

5-5·2权函数的一个具体形式 58

6·1问题和思想 60

第六章多项式分类器 60

6·2多项式分类器系数矩阵的计算（一） 61

6·3多项式分类器系数矩阵的计算（二） 63

6·4多项式分类器的性能 64

6·5全平方多项式分类器 65

第七章回归分类器 67

7·1δ-函数 67

7·2回归分类器的一般求解 68

7·3回归分类器的性能 71

7·4线性回归分类器 72

7·5线性回归分类器的性能 73

7·6推广至多类问题 74

第八章非线性分类器 76

8·1线性分类器实现分类的可能界限 76

8·2非线性分离函数的一般形式及非线性分类器的一般结构 78

8·3幂列分类器 79

8·4位势分类器和加仅位势分类器 81

8·5一个非线性分类器设计举例 83

第九章其他类型的分类器 87

9·1距离测量分类器 87

9·1·1最小距离测量分类器 87

9·1·2距离测量的最优校正函数和非线性正规化处理 88

9·1·3计算最优校正函数及最优距离的动态程序设计方法 90

9·2序贯分类器 91

9·3决策树及分层分类器 92

9·4前后文分类器 94

9·5网格灰度值特征向量的近旁关联分类器 97

第十章有人管理的学习 100

10·1关于学习问题的一般论述 100

10·2在类别可分离样本集下有人管理的学习 101

10·3在类别不可分离样本集下有人管理的学习 102

10·4统计分类器的有人管理的学习 104

10·5Aizerman学习分类器 107

10·6变换模式法 111

10·7概率下降法 115

第十一章无人管理的学习 117

11·1聚类分析方法的一般论述 117

11·2类别均匀性准则 119

11·3混合分布的鉴别方法（统计分类器的无人管理的学习） 122

11·4正态分布特征向量统计分类器的无人管理的学习 123

第十二章决策管理的学习 126

12·1一般论述 126

12·2决策管理的学习的最大似然算法 128

12·3通过有人管理的学习算法实现决策管理的学习 129

第十三章模式的预处理 134

13·1模式的计算机表示，扫描定律 134

13·2模式的改善 137

13·2·1平滑处理 138

13·2·2反差增强及边缘陡度的提高 141

13·2·3模式改善的非线性方法 144

13·3阈值处理，二值图象的产生 147

13·3·1灰度直方图方法 147

13·3·2Chow-Kaneko算法 148

13·3·3最优阈值算法 149

13·3·4由灰度值的振幅来确定阈值 150

13·3·5确定阈值的聚类分析方法 151

13·4边缘检测 154

13·4·1微分方法 154

13·4·2腐蚀与膨胀并行的非线性边缘检测 156

13·4·3客体外部轮廓线的跟踪 157

13·4·4拉普拉斯算子方法 157

13·4·5Sobel算法 158

13·4·6Rosenfeld算法 159

13·4·7均衡平面方法 160

13·4·8依据优化准则的边缘近似 161

13·5一个分离客体的表格分析方法 163

13·5·1定义和例子 163

13·5·2算法描述 164

13·5·3算法执行的效果 166

13·6模式编码 166

13·6·2行程编码 167

13·6·1方向链码 167

13·7模式的正规化处理 168

13·7·1目的和任务 168

13·7·2模式大小的正规化处理 169

13·7·3模式位置的正规化处理 170

13·7·4模式的细化处理 172

13·7·5模式能量的正规化处理 173

14·1一般论述 175

第十四模式特征的抽取 175

14·2模式依据正交归一化函数系的展开 176

14·3Fourier展开式系数特征 178

14·4离散Fourier变换及其在特征抽取中的应用 179

14·5Walsh变换及其在特征抽取中的应用 181

14·8矩特征 184

14·7循环自相关特征 185

14·8互相关特征 187

14·9几何特征量 188

14·10Karhunen-Loeve展开，依据给定准则的最优特征的抽取 190

14·11依据错误概率的最优线性特征选择 195

14·12线性预测方法 200

14·13特征空间维数的压缩，保持结构的变换 202

14·14模式变换及其齐次坐标描述 207

14·14·1齐次坐标 207

14·14·2模式的相似、平移和旋转变换 209

14·14·3投影 211