模式识别 算法及实现方法PDF电子书下载

第1章 导论 1

1.1什么是模式识别？ 2

1.2模式识别的数据集合 3

1.3模式识别的理论框架 3

问题讨论 4

延伸阅读材料 5

习题 5

本章参考文献 5

第2章 模式集合的表征 7

2.1模式集合表征的数据结构 8

2.2模式聚类的表征 14

2.3相似度度量方法 14

2.4模式的尺寸 20

2.5数据集合的抽象 21

2.6特征提取 23

2.7特征选择 27

2.8分类分析方法 36

2.9聚类分析方法 37

问题讨论 38

延伸阅读材料 38

习题 38

上机练习 40

本章参考文献 40

第3章 最近邻分类器 42

3.1最近邻算法 42

3.2典型的最近邻算法 44

3.3最近邻算法在交易数据库中的应用 47

3.4高效最近邻算法 48

3.5数据约简方法 57

3.6原型选择方法 57

问题讨论 68

延伸阅读材料 68

习题 69

上机练习 71

本章参考文献 71

第4章 贝叶斯分类器 74

4.1贝叶斯理论 74

4.2最小差错率分类器 75

4.3概率估计方法 77

4.4与NNC方法的比较 79

4.5朴素贝叶斯分类器 80

4.6贝叶斯置信网络 84

问题讨论 86

延伸阅读材料 86

习题 86

上机练习 87

本章参考文献 88

第5章 隐式马尔可夫模型 89

5.1面向分类的马尔可夫模型 90

5.2隐式马尔可夫模型 95

5.3基于马尔可夫模型的分类方法 100

问题讨论 102

延伸阅读材料 102

习题 102

上机练习 104

本章参考文献 104

第6章 决策树 105

6.1简介 105

6.2面向模式分类的决策树方法 107

6.3决策树的构建 111

6.4节点拆分方法 115

6.5过度拟合和修剪 118

6.6决策树归纳实例 119

问题讨论 122

延伸阅读材料 122

习题 123

上机练习 124

本章参考文献 124

第7章 支持向量机 126

7.1简介 126

7.2学习线性判别函数 132

7.3神经网络 146

7.4面向分类的支持向量机 152

问题讨论 158

延伸阅读材料 159

习题 159

上机练习 162

本章参考文献 162

第8章 多分类器组合 163

8.1简介 163

8.2构建集成分类器的方法 164

8.3多分类器组合方法 172

问题讨论 175

延伸阅读材料 176

习题 176

上机练习 177

本章参考文献 177

第9章 聚类方法 180

9.1简介 180

9.2聚类方法的重要性 188

9.3分级聚类方法 193

9.4划分聚类方法 199

9.5大规模数据集合的聚类方法 202

问题讨论 207

延伸阅读材料 208

习题 208

上机练习 210

本章参考文献 210

第10章 本书总结 213

第11章 应用实例：手写数字识别 215

11.1数字数据的描述 215

11.2数据预处理 217

11.3分类算法 217

11.4典型模式的选择 217

11.5识别结果 218

问题讨论 221

延伸阅读材料 222

本章参考文献 222

名词索引 223