新書推薦：
《
图说航天科学与技术
》
售價：HK$
500
《
北派2：西夏梵音（网络原名《北派盗墓笔记》）
》
售價：HK$
245
《
当代中国经济讲义
》
售價：HK$
704
《
40堂生死课
》
售價：HK$
296
《
日本第一：对美国的启示（看日本系列）
》
售價：HK$
286
《
砂与海之歌纪念画集
》
售價：HK$
500
《
大学问·月照崇徽：章献刘后与宋真仁之际政治
》
售價：HK$
500
《
荆棘里
》
售價：HK$
218
|
| 內容簡介： |
|
本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。本书第5版在现有版本的基础上做了优化，改动量为30%，篇幅由之前的13章压缩到11章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器设计，聚类分析，遗传算法聚类分析，群体智能算法分析等。本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。
|
| 關於作者： |
|
杨淑莹，天津理工大学计算机科学与工程学院教授，全国优秀教师，天津市教学名师。多年来，杨教授坚守教学一线，承担“数字图像处理”、“模式识别”等课程的教学任务。她刻苦钻研算机视觉、模式识别等前沿技术，承担多项省部级以上科研项目，获得省部级科技进步奖2项。重构教学内容，将跨学科知识点与项目融合，经典与前沿技术融合，实践体系与项目案例融合，主讲课程被评为国家级线上线下混合式一流课程和国家级精品课。
|
| 目錄：
|
第１ 篇 基 础 篇
第１ 章 模式识别概述 ………………………………………………………………………… ２
１ １ 模式识别的基本概念……………………………………………………………………… ２
１ ２ 统计模式识别 …………………………………………………………………………… ５
１ ２ １ 统计模式识别研究的主要问题 …………………………………………………… ５
１ ２ ２ 统计模式识别方法简介…………………………………………………………… ６
１ ３ 分类分析 ………………………………………………………………………………… ９
１ ３ １ 分类器设计 ……………………………………………………………………… ９
１ ３ ２ 分类器的选择…………………………………………………………………… １１
１ ３ ３ 训练与学习 …………………………………………………………………… １２
１ ４ 聚类分析 ……………………………………………………………………………… １２
１ ４ １ 聚类的设计 …………………………………………………………………… １３
１ ４ ２ 基于试探法的聚类设计 ………………………………………………………… １４
１ ４ ３ 基于群体智能优化算法的聚类设计 ……………………………………………… １５
１ ５ 模式识别的应用 ………………………………………………………………………… １６
本章小结……………………………………………………………………………………… １６
习题 １ ……………………………………………………………………………………… １７
第２ 章 特征的选择与优化 …………………………………………………………………… １８
２ １ 特征空间优化设计问题 ………………………………………………………………… １８
２ ２ 样本特征库初步分析 …………………………………………………………………… １９
２ ３ 样本筛选处理 …………………………………………………………………………… ２０
２ ４ 特征筛选处理 …………………………………………………………………………… ２０
２ ５ 特征评估 ……………………………………………………………………………… ２２
２ ６ 基于主成分分析的特征提取……………………………………………………………… ２４
２ ７ 特征空间描述与分布分析 ……………………………………………………………… ２７
２ ７ １ 特征空间描述…………………………………………………………………… ２７
２ ７ ２ 特征空间分布分析 ……………………………………………………………… ３２
２ ８ 手写数字特征提取与空间分布分析 ……………………………………………………… ３５
２ ８ １ 手写数字特征提取 ……………………………………………………………… ３５
２ ８ ２ 手写数字特征空间分布分析 …………………………………………………… ３６
本章小结……………………………………………………………………………………… ４１
习题 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章 模式相似性测度 ……………………………………………………………………… ４２
３ １ 模式相似性测度的基本概念……………………………………………………………… ４２
３ ２ 距离测度分类法 ………………………………………………………………………… ４５
３ ２ １ 模板匹配法 …………………………………………………………………… ４５
３ ２ ２ 基于 ＰＣＡ 的模板匹配法 ………………………………………………………… ４７
３ ２ ３ 马氏距离分类…………………………………………………………………… ４９
本章小结……………………………………………………………………………………… ５１
习题 ３ ……………………………………………………………………………………… ５１
第２ 篇 分类器设计篇
第４ 章 基于概率统计的贝叶斯分类器设计 ………………………………………………… ５３
４ １ 贝叶斯决策的基本概念 ………………………………………………………………… ５３
４ １ １ 贝叶斯决策所讨论的问题 ……………………………………………………… ５３
４ １ ２ 贝叶斯公式 …………………………………………………………………… ５４
４ ２ 基于最小错误率的贝叶斯决策…………………………………………………………… ５６
４ ３ 基于最小风险的贝叶斯决策……………………………………………………………… ５９
４ ４ 贝叶斯决策比较 ………………………………………………………………………… ６１
４ ５ 基于最小错误率的贝叶斯分类实现 ……………………………………………………… ６２
４ ６ 基于最小风险的贝叶斯分类实现 ………………………………………………………… ６６
本章小结……………………………………………………………………………………… ６９
习题 ４ ……………………………………………………………………………………… ６９
第５ 章 判别函数分类器设计 ………………………………………………………………… ７０
５ １ 判别函数的基本概念 …………………………………………………………………… ７０
５ ２ 线性判别函数的概念 …………………………………………………………………… ７１
５ ３ 线性判别函数的实现 …………………………………………………………………… ７５
５ ４ 感知器算法……………………………………………………………………………… ７６
５ ５ 增量校正算法 …………………………………………………………………………… ８３
５ ６ ＬＭＳＥ 分类算法 ………………………………………………………………………… ８９
５ ７ Ｆｉｓｈｅｒ 分类 ……………………………………………………………………………… ９２
５ ８ 基于核的 Ｆｉｓｈｅｒ 分类 …………………………………………………………………… ９６
５ ９ 势函数法 ……………………………………………………………………………… １０３
５ １０ 支持向量机…………………………………………………………………………… １０８
本章小结 …………………………………………………………………………………… １１４
习题 ５ ……………………………………………………………………………………… １１４
第６ 章 神经网络分类器设计 ……………………………………………………………… １１５
６ １ 人工神经网络的基本原理 ……………………………………………………………… １１５
６ １ １ 人工神经元 …………………………………………………………………… １１５
６ １ ２ 人工神经网络模型 …………………………………………………………… １１８
６ １ ３ 神经网络的学习过程…………………………………………………………… １２１
Ⅵ
６ １ ４ 人工神经网络在模式识别问题上的优势………………………………………… １２１
６ ２ ＢＰ 神经网络 …………………………………………………………………………… １２２
６ ２ １ ＢＰ 神经网络的基本概念 ……………………………………………………… １２２
６ ２ ２ ＢＰ 神经网络分类器设计 ……………………………………………………… １２７
６ ３ 径向基函数 （ＲＢＦ） 神经网络 ………………………………………………………… １３２
６ ３ １ 径向基函数神经网络的基本概念 ……………………………………………… １３２
６ ３ ２ 径向基函数神经网络分类器设计 ……………………………………………… １３６
６ ４ 自组织竞争神经网络…………………………………………………………………… １３９
６ ４ １ 自组织竞争神经网络的基本概念 ……………………………………………… １３９
６ ４ ２ 自组织竞争神经网络分类器设计 ……………………………………………… １４１
６ ５ 概率神经网络 （ＰＮＮ） ………………………………………………………………… １４４
６ ５ １ 概率神经网络的基本概念 ……………………………………………………… １４４
６ ５ ２ 概率神经网络分类器设计 ……………………………………………………… １４８
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
