模式识别PDF电子书下载

第1章 绪论 1

1.1模式和模式识别 1

1.2模式的分类 5

1.3模式识别系统的基本构成 6

1.4模式识别方法及其分类 9

1.5模式识别举例 11

1.6本书内容安排 14

第2章 统计模式识别中的几何方法 16

2.1统计分类的基本思想 16

2.1.1特征空间和分类器设计 16

2.1.2两个例子 18

2.2模式的相似性度量和最小距离分类器 20

2.2.1相似性度量和距离函数 20

2.2.2最小距离分类器 22

2.3线性可分情况下的几何分类法 27

2.3.1线性判别函数和线性分类器 27

2.3.2线性判别函数的参数确定 35

2.3.3感知器算法 38

2.3.4收敛性定理 42

2.3.5梯度下降法 44

2.3.6最小平方误差法 48

2.4非线性可分情况下的几何分类法 53

2.4.1广义线性判别函数法 53

2.4.2分段线性判别函数法 56

2.4.3非线性判别函数法：位势函数法 59

2.5线性可分问题的非迭代解法 63

2.6最优分类超平面 68

本章小结 72

第3章 统计模式识别中的概率方法 73

3.1用概率方法描述分类问题 73

3.2几个相关的概念 74

3.3最小错误概率判决准则 76

3.4最小风险判决规则 78

3.5贝叶斯统计判决规则的似然比表现形式 81

3.5.1最小错误概率判决规则的似然比表现形式 81

3.5.2最小风险判决规则的似然比表现形式 82

3.6拒绝判决 86

3.7贝叶斯分类器的一般结构 87

3.8 Neyman-Pearson判决规则 89

3.9最小最大判决规则 94

3.10基于分段线性化的分类器设计 102

3.11正态分布下的分类器设计 107

3.11.1正态分布的定义和若干性质 108

3.11.2正态分布下的分类器设计 113

3.12有监督情况下类条件概率密度的参数估计 118

3.12.1最大似然估计 118

3.12.2贝叶斯估计和贝叶斯学习 123

3.13非监督情况下类条件概率密度的参数估计 129

3.14类条件概率密度的非参数估计 135

3.14.1非参数估计的基本概念和方法 135

3.14.2 Parzen窗估计法 139

3.14.3 kn-近邻估计法 144

3.14.4正交级数副近法 144

本章小结 147

第4章 分类器的错误率 148

4.1正态分布下的错误率 149

4.2样本各维之间统计独立情况下的错误率 153

4.3错误率界限的理论估计 155

4.3.1 Chernoff界限 155

4.3.2 Bhattacharyya界限 159

4.4近邻分类法的错误率 162

4.5分类器错误率的实验估计 169

4.5.1已训练分类器错误率的实验估计 170

4.5.2有限样本情况下分类器错误率的实验估计 173

本章小结 175

第5章 统计模式识别中的聚类方法 176

5.1聚类分析 176

5.2聚类准则 178

5.2.1误差平方和准则函数Je 178

5.2.2权平均平方距离和准则函数Jl 179

5.2.3类间距离和准则函数Jb 180

5.2.4离散度准则函数 180

5.3基于分裂的聚类算法 185

5.3.1简单增类聚类算法 186

5.3.2改进的增类聚类算法 188

5.4基于合并的聚类算法 190

5.5动态聚类算法 196

5.5.1 C-均值动态聚类算法（Ⅰ） 197

5.5.2 C-均值动态聚类算法（Ⅱ） 198

5.5.3 ISODATA算法 203

5.5.4基于样本和核的相似性度量的动态聚类算法 208

5.6基于近邻函数值准则的聚类算法 212

5.7最小张树聚类算法 217

本章小结 221

第6章 结构模式识别中的句法方法 222

6.1模式基元和模式结构的表达 223

6.2形式语言基础 227

6.2.1集合、集合间的关系和集合运算 227

6.2.2符号串和语言 229

6.2.3文法 231

6.2.4文法的分类 236

6.3有限状态自动机 239

6.3.1确定的有限状态自动机 240

6.3.2非确定的有限状态自动机 246

6.3.3有限状态自动机之间的等价 249

6.3.4有限状态文法和有限状态自动机 256

6.4下推自动机 258

6.4.1下推自动机的即时描述 262

6.4.2上下文无关文法和下推自动机 264

6.5图灵机 271

6.6关于语言、文法和自动机的再讨论 276

6.6.1语言的命名 276

6.6.2从语言构建自动机 277

6.6.3语言类型的确定 280

6.7句法分析 285

6.7.1正向剖析过程的树表示 287

6.7.2先验规则引导的树正向剖析算法 288

6.7.3基于三角表格的反向剖析算法 294

6.8文法推断 297

6.8.1正则文法的推断 298

6.8.2非正则文法的推断 308

本章小结 313

第7章 总结 314

附录 316

参考文献 321