模式识别基础PDF电子书下载

前言 1

第一章 概述 1

1.1 模式识别的概念 1

1.2 模式的表述 5

第二章 统计决策理论 8

2.1 引言 8

2.2 最小错误的Bayes决策 9

2.3 最小风险的Bayes决策 13

2.4 NeymanPearson决策 16

2.5 最小最大决策 17

2.6 判决规划的似然比形式 19

2.7 判决函数和决策面 22

2.8 序贯分类 29

第三章 参数估值和监督学习 33

3.1 引言 33

3.2 最大似然估值 34

3.3 Bayes估值 39

4.2 密度函数估计的基本概念 50

第四章 非参数技术 50

4.1 引言 50

4.3 Parzen窗孔法 52

4.4 K最近邻密度估计 62

4.5 K-最近邻判决规则 64

4.6 级数展开法 67

4.7 位势函数法 78

第五章 线性判别函数 85

5.1 引言 85

5.2 线性判别函数的几何意义 86

5.3 广义线性判别函数 88

5.4 感知准则函数 90

5.5 单子样校正法 93

5.6 松驰法 95

5.7 线性分类器的设计 98

5.8 最小二乘法及伪逆 103

5.9 随机近似 106

6.2 距离的概念 109

6.1 引言 109

第六章 集群分析 109

6.3 集群处理的概念 112

6.4 集群准则函数 114

6.5 迭代优化法 118

6.6 分级集群技术 121

6.7 最小张树 130

6.8 分类树和最小张树的分割 134

6.9 交叉分割 134

7.1 引言 139

第七章 模式的结构描述 139

7.2 链码 143

7.3 图象描述语言 145

7.4 中轴变换 151

7.5 初等凸子集 153

7.6 凹角处的分解 157

7.7 进一步分解和形状描述 160

8.2 文法和语言 162

8.1 引言 162

第八章 形式语言和自动机 162

8.3 有限状态自动机 167

8.4 下推自动机 167

第九章 句法剖析 186

9.1 引言 186

9.2 自上而下的剖析 187

9.3 自下而上的剖析 190

9.4 Earley剖析法 192

9.5 CYK剖析法 195

第十章 文法推断 202

10.1 引言 202

10.2 规范确定文法推断 203

10.3 导出文法推断 205

10.4 形式微商文法推断 207

10.5 K--尾文法推断 210

10.6 上下文无关语言的文法推断 213

主要参考书 215

附录：分类数据集 217