模式识别 第3版PDF电子书下载
- 电子书积分:10 积分如何计算积分?
- 作 者:张学工编著
- 出 版 社:北京:清华大学出版社
- 出版年份:2010
- ISBN:9787302225003
- 页数:238 页
第1章 概论 1
1.1 模式与模式识别 1
1.2 模式识别的主要方法 3
1.3 监督模式识别与非监督模式识别 5
1.4 模式识别系统举例 6
1.5 模式识别系统的典型构成 10
1.6 本书的主要内容 12
第2章 统计决策方法 13
2.1 引言:一个简单的例子 13
2.2 最小错误率贝叶斯决策 15
2.3 最小风险贝叶斯决策 18
2.4 两类错误率、Neyman-Pearson决策与ROC曲线 21
2.5 正态分布时的统计决策 25
2.5.1 正态分布及其性质回顾 25
2.5.2 正态分布概率模型下的最小错误率贝叶斯决策 28
2.6 错误率的计算 33
2.6.1 正态分布且各类协方差矩阵相等情况下错误率的计算 33
2.6.2 高维独立随机变量时错误率的估计 35
2.7 离散概率模型下的统计决策举例 36
2.8 小结与讨论 41
第3章 概率密度函数的估计 43
3.1 引言 43
3.2 最大似然估计 45
3.2.1 最大似然估计的基本原理 45
3.2.2 最大似然估计的求解 46
3.2.3 正态分布下的最大似然估计 47
3.3 贝叶斯估计与贝叶斯学习 48
3.3.1 贝叶斯估计 49
3.3.2 贝叶斯学习 51
3.3.3 正态分布时的贝叶斯估计 51
3.3.4 其他分布的情况 53
3.4 概率密度估计的非参数方法 53
3.4.1 非参数估计的基本原理与直方图方法 54
3.4.2 kN 近邻估计方法 55
3.4.3 Parzen窗法 56
3.5 讨论 59
第4章 线性分类器 60
4.1 引言 60
4.2 线性判别函数的基本概念 61
4.3 Fisher线性判别分析 62
4.4 感知器 66
4.5 最小平方误差判别 69
4.6 最优分类超平面与线性支持向量机 70
4.6.1 最优分类超平面 71
4.6.2 大间隔与推广能力 74
4.6.3 线性不可分情况 75
4.7 多类线性分类器 77
4.7.1 多个两类分类器的组合 78
4.7.2 多类线性判别函数 80
4.8 小结与讨论 81
第5章 非线性分类器 82
5.1 引言 82
5.2 分段线性判别函数 82
5.2.1 分段线性距离分类器 83
5.2.2 一般的分段线性判别函数 84
5.3 二次判别函数 86
5.4 多层感知器神经网络 87
5.4.1 神经元与感知器 88
5.4.2 用多个感知器实现非线性分类 89
5.4.3 采用反向传播算法的多层感知器 91
5.4.4 多层感知器网络用于模式识别 97
5.4.5 神经网络结构的选择 99
5.4.6 前馈神经网络与传统模式识别方法的关系 100
5.4.7 人工神经网络的一般知识 102
5.5 支持向量机 103
5.5.1 广义线性判别函数 104
5.5.2 核函数变换与支持向量机 105
5.5.3 支持向量机应用举例 109
5.5.4 支持向量机的实现算法 111
5.5.5 多类支持向量机 112
5.5.6 用于函数拟合的支持向量机 114
5.6 核函数机器 116
5.6.1 大间隔机器与核函数机器 116
5.6.2 核Fisher判别 116
5.7 小结与讨论 119
第6章 其他分类方法 120
6.1 近邻法 120
6.1.1 最近邻法 120
6.1.2 k-近邻法 122
6.1.3 近邻法的快速算法 123
6.1.4 剪辑近邻法 125
6.1.5 压缩近邻法 130
6.2 决策树与随机森林 131
6.2.1 非数值特征 131
6.2.2 决策树 132
6.2.3 过学习与决策树的剪枝 137
6.2.4 随机森林 139
6.3 罗杰斯特回归 140
6.4 Boosting方法 143
6.5 讨论 144
第7章 特征选择 145
7.1 引言 145
7.2 特征的评价准则 146
7.2.1 基于类内类间距离的可分性判据 146
7.2.2 基于概率分布的可分性判据 148
7.2.3 基于熵的可分性判据 150
7.2.4 利用统计检验作为可分性判据 151
7.3 特征选择的最优算法 152
7.4 特征选择的次优算法 154
7.5 特征选择的遗传算法 156
7.6 以分类性能为准则的特征选择方法 157
7.7 讨论 159
第8章 特征提取 161
8.1 引言 161
8.2 基于类别可分性判据的特征提取 161
8.3 主成分分析方法 163
8.4 Karhunen-Loève变换 165
8.4.1 K-L变换的基本原理 165
8.4.2 用于监督模式识别的K-L变换 167
8.5 K-L变换在人脸识别中的应用举例 170
8.6 高维数据的低维显示 172
8.7 多维尺度法 173
8.7.1 MDS的基本概念 173
8.7.2 古典尺度法 174
8.7.3 度量型MDS 176
8.7.4 非度量型MDS 176
8.7.5 MDS在模式识别中的应用 177
8.8 非线性变换方法简介 178
8.8.1 核主成分分析(KPCA) 179
8.8.2 IsoMap方法和LLE方法 180
8.9 讨论 181
第9章 非监督模式识别 183
9.1 引言 183
9.2 基于模型的方法 184
9.3 混合模型的估计 186
9.3.1 非监督最大似然估计 186
9.3.2 正态分布情况下的非监督参数估计 189
9.4 动态聚类算法 192
9.4.1 C均值算法 192
9.4.2 ISODATA方法 195
9.4.3 基于样本与核的相似性度量的动态聚类算法 197
9.5 模糊聚类方法 198
9.5.1 模糊集的基本知识 198
9.5.2 模糊C均值算法 200
9.5.3 改进的模糊C均值算法 201
9.6 分级聚类方法 203
9.7 自组织映射神经网络 206
9.7.1 SOM网络结构 206
9.7.2 SOM学习算法和自组织特性 208
9.7.3 SOM用于模式识别 210
9.8 讨论 213
第10章 模式识别系统的评价 215
10.1 监督模式识别方法的错误率估计 215
10.1.1 训练错误率 215
10.1.2 测试错误率 216
10.1.3 交叉验证 219
10.1.4 自举法与.632估计 220
10.2 有限样本下错误率的区间估计问题 221
10.2.1 问题的提出 221
10.2.2 用扰动重采样估计SVM错误率的置信区间 222
10.3 特征提取与选择对分类器性能估计的影响 225
10.4 从分类的显著性推断特征与类别的关系 227
10.5 非监督模式识别系统性能的评价 228
10.6 讨论 230
索引 231
参考文献 238
- 《知识管理背景下的档案管理模式》曾祯,金瑞,王聪颖著 2019
- 《海河干流水环境质量与经济发展模式研究》于航白景峰,张春意 2019
- 《袖珍中草药野外识别彩色图本》王义祁,汪荣斌主编 2019
- 《植物的识别》汪劲武著 2018
- 《互联网+时代的日语教学模式探究》郭晓雪著 2019
- 《北京模式》吴建繁,王德海,朱岩编 2017
- 《高校教学模式创新与实践研究 2017年》何聚厚 2019
- 《地方政府经济行为模式与经济增长》(中国)徐艳飞 2019
- 《创新人才培养模式 培养拔尖创新人才》杨继主编 2019
- 《韶山红色旅游发展的创新模式研究》刘建平 2020
- 《市政工程基础》杨岚编著 2009
- 《家畜百宝 猪、牛、羊、鸡的综合利用》山西省商业厅组织技术处编著 1959
- 《《道德经》200句》崇贤书院编著 2018
- 《高级英语阅读与听说教程》刘秀梅编著 2019
- 《计算机网络与通信基础》谢雨飞,田启川编著 2019
- 《看图自学吉他弹唱教程》陈飞编著 2019
- 《法语词汇认知联想记忆法》刘莲编著 2020
- 《培智学校义务教育实验教科书教师教学用书 生活适应 二年级 上》人民教育出版社,课程教材研究所,特殊教育课程教材研究中心编著 2019
- 《国家社科基金项目申报规范 技巧与案例 第3版 2020》文传浩,夏宇编著 2019
- 《羊脂球 莫泊桑短篇小说选》(法)莫泊桑著;张英伦译 2010
- 《大学计算机实验指导及习题解答》曹成志,宋长龙 2019
- 《指向核心素养 北京十一学校名师教学设计 英语 七年级 上 配人教版》周志英总主编 2019
- 《大学生心理健康与人生发展》王琳责任编辑;(中国)肖宇 2019
- 《大学英语四级考试全真试题 标准模拟 四级》汪开虎主编 2012
- 《大学英语教学的跨文化交际视角研究与创新发展》许丽云,刘枫,尚利明著 2020
- 《北京生态环境保护》《北京环境保护丛书》编委会编著 2018
- 《复旦大学新闻学院教授学术丛书 新闻实务随想录》刘海贵 2019
- 《大学英语综合教程 1》王佃春,骆敏主编 2015
- 《大学物理简明教程 下 第2版》施卫主编 2020
- 《指向核心素养 北京十一学校名师教学设计 英语 九年级 上 配人教版》周志英总主编 2019