掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥14.5
加入購物車
現(xiàn)代模式識(shí)別 版權(quán)信息
- ISBN：9787810246057
- 條形碼：9787810246057 ; 978-7-81024-605-7
- 裝幀：簡裝本
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>
現(xiàn)代模式識(shí)別 本書特色
分類識(shí)別是人類*重要的基本活動(dòng)之一，在人類的日常生活、社會(huì)活動(dòng)、科研生產(chǎn)以及學(xué)習(xí)、工作中無時(shí)無處不在進(jìn)行著分類識(shí)別。模式識(shí)別是研究分類識(shí)別理論和方法的科學(xué)，是一門綜合性、交叉性學(xué)科。在理論上它涉及代數(shù)學(xué)、矩陣論、概率論、圖論、模糊數(shù)學(xué)、*優(yōu)化理論等等眾多學(xué)科的知識(shí)，在應(yīng)用上又與其他許多領(lǐng)域的工程技術(shù)密切相關(guān)，其內(nèi)涵可以概括為信息處理、分析與決策，它既是人工智能研究領(lǐng)域的重要分支，又是實(shí)現(xiàn)機(jī)器智能必不可少的技術(shù)手段。該學(xué)科的理論任務(wù)是運(yùn)用一切相關(guān)科技研發(fā)分類識(shí)別的理論和方法，而其應(yīng)用目標(biāo)是創(chuàng)造能進(jìn)行分類識(shí)別決策的智能機(jī)器系統(tǒng)以代替人類的分類識(shí)別工作。自80年代以來，它始終受到學(xué)術(shù)界和各應(yīng)用領(lǐng)域的極大重視，計(jì)算機(jī)軟、硬件技術(shù)的日臻成熟及其他相關(guān)學(xué)科的迅速發(fā)展更使它成為理論研究和技術(shù)開發(fā)的熱門學(xué)科，其重要的學(xué)術(shù)價(jià)值和廣泛的應(yīng)用范圍使得人們?cè)絹碓秸J(rèn)識(shí)到該課程的重要性，也吸引了各領(lǐng)域的科研人員投入極高的學(xué)習(xí)熱情。近十幾年來，與模式識(shí)別相關(guān)的理論專著、論文、科研成果層出不窮，使得該學(xué)科得以豐富和發(fā)展，形成了許多大類的模式識(shí)別理論、方法。但是現(xiàn)在多數(shù)著作只涉及一至兩類模式識(shí)別知識(shí)的介紹，多學(xué)科、多視角、多層次地介紹該學(xué)科知識(shí)的著作不多，能兼顧教學(xué)使用和科研參考的高校教材也較少，因此有必要將該學(xué)科涉及到的基本理論、基本方法原理以及當(dāng)代發(fā)展成熟的理論技術(shù)進(jìn)行沉淀、提煉、歸納、整合，讓讀者能較系統(tǒng)地掌握本學(xué)科的理論精髓，較全面地了解和掌握相關(guān)技術(shù)，這也正是我們撰寫本書的初衷和希望本書能實(shí)現(xiàn)的目標(biāo)。
現(xiàn)代模式識(shí)別 內(nèi)容簡介
《現(xiàn)代模式識(shí)別》系統(tǒng)深入地論述了模式識(shí)別的理論與方法，較全面地反映了本學(xué)科的新近科技成果。全書分12章，討論的主流模式識(shí)別技術(shù)是：統(tǒng)計(jì)模式識(shí)別、模糊模式識(shí)別、神經(jīng)網(wǎng)絡(luò)技術(shù)、人工智能方法、句法模式識(shí)別。
現(xiàn)代模式識(shí)別 目錄
**章 引 論
1. 1 概論
1. 2 特征矢量和特征空間
1. 3 隨機(jī)矢量的描述
1. 4 正態(tài)分布
參考文獻(xiàn)
第二章 聚類分析
2. 1 聚類分析的概念
2. 2 模式相似性測(cè)度
2. 3 類的定義與類間距離
2. 4 聚類的算法
習(xí)題
參考文獻(xiàn)
第三章 判別域代數(shù)界面方程法
3. 1 用判別域界面方程分類的概念
3. 2 線性判別函數(shù)
3. 3 判別函數(shù)值的鑒別意義. 權(quán)空間及解空間
3. 4 Fisher線性判別
3. 5 一次準(zhǔn)則函數(shù)及梯度下降法
3. 6 二次準(zhǔn)則函數(shù)及其解法
3. 7 線性規(guī)劃方法
3. 8 線性二分能力(Linear dichotomies)
3. 9 廣義線性判別函數(shù)
3. 10 二次判別函數(shù)
3. 11 分段線性判別函數(shù)
3. 12 位勢(shì)函數(shù)分類法
習(xí)題
參考文獻(xiàn)
第四章 統(tǒng)計(jì)判決
4. 1 *小誤判概率準(zhǔn)則判決
4. 2 *小損失準(zhǔn)則判決
4. 3 *小*大損失準(zhǔn)則判決
4. 4 N-P(Neyman-Pearson)判決
4. 5 序貫判決
4. 6 Fisher準(zhǔn)則判決
習(xí)題
參考文獻(xiàn)
第五章 統(tǒng)計(jì)決策中的訓(xùn)練. 學(xué)習(xí)與錯(cuò)誤率測(cè)試. 估訐
5. 1 統(tǒng)計(jì)推斷概述
5. 2 參數(shù)估計(jì)
5. 3 貝葉斯學(xué)習(xí)
5. 4 概率密度的窗函數(shù)估計(jì)法及kN-近鄰法
5. 5 有限項(xiàng)正交函數(shù)級(jí)數(shù)逼近法
5. 6 用位勢(shì)函數(shù)法逼近貝葉斯判決函數(shù)
5. 7 隨機(jī)逼近方法求類的后驗(yàn)概率
5. 8 統(tǒng)計(jì)決策準(zhǔn)則下線性判決函數(shù)的訓(xùn)練生成
5. 9 錯(cuò)誤率測(cè)試
5. 10 平均損失及*小誤判概率的估計(jì)方法
5. 11 經(jīng)驗(yàn)風(fēng)險(xiǎn)設(shè)計(jì)
習(xí)題
參考文獻(xiàn)
第六章 *近鄰方法
6. 1 *近鄰法
6. 2 剪輯*近鄰法
6. 3 引入拒絕決策的*近鄰法
6. 4 *近鄰法中的*佳距離及其實(shí)際計(jì)算
習(xí)題
參考文獻(xiàn)
第七章 特征提取與選擇
7. 1 概述
7. 2 類別可分性判據(jù)
7. 3 基于可分性判據(jù)進(jìn)行變換的特征提取與選擇
7. 4 *佳鑒別矢量的提取
7. 5 離散K-L變換及其在特征提取與選擇中的應(yīng)用
7. 6 基于決策界的特征提取
7. 7 特征選擇中的直接挑選法
習(xí)題
參考文獻(xiàn)
第八章 模糊模式識(shí)別
8. 1 引言
8. 2 普通集合與模糊集合
8. 3 普通集合中的關(guān)系及有關(guān)知識(shí)
8. 4 模糊關(guān)系與模糊變換
8. 5 模糊度與特征提取和選擇
8. 6 模糊識(shí)別的基本方法
習(xí)題
參考文獻(xiàn)
第九章 神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用
9. 1 人工神經(jīng)網(wǎng)絡(luò)的基本知識(shí)
9. 2 前向型人工神經(jīng)網(wǎng)絡(luò)
9. 3 BP網(wǎng)的結(jié)構(gòu)性能和學(xué)習(xí)改進(jìn)
9. 4 Hopfield網(wǎng)絡(luò)
9. 5 隨機(jī)神經(jīng)網(wǎng)絡(luò)
9. 6 自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)
9. 7 自組織特征映射神經(jīng)網(wǎng)絡(luò)
9. 8 模糊神經(jīng)網(wǎng)絡(luò)
習(xí)題
參考文獻(xiàn)
第十章 信息融合
10. 1 概述
10. 2 融合技術(shù)的層次性及融合系統(tǒng)的功能模塊和結(jié)構(gòu)
10. 3 關(guān)于信息融合的熵理論
10. 4 觀測(cè)不相關(guān)的分布式*小損失準(zhǔn)則下的檢測(cè)與決策融合
10. 5 觀測(cè)相關(guān)的決策融合
10. 6 N-P準(zhǔn)則下的數(shù)據(jù)融合
10. 7 分布式檢測(cè)決策融合的全局*優(yōu)概述及某些約束條件下的*優(yōu)解
10. 8 D-S證據(jù)理論融合算法
參考文獻(xiàn)
第十一章 句法模式識(shí)別
11. 1 句法模式識(shí)別概述
11. 2 形式語言
11. 3 高維文法與隨機(jī)文法
11. 4 模式的描述
11. 5 句法分析
11. 6 文法推斷
參考文獻(xiàn)
第十二章 智能化方法
12. 1 人工智能簡述
12. 2 專家系統(tǒng)
12. 3 知識(shí)的表示
12. 4 智能推理技術(shù)
12. 5 不確定性推理
參考文獻(xiàn)
1. 1 概論
1. 2 特征矢量和特征空間
1. 3 隨機(jī)矢量的描述
1. 4 正態(tài)分布
參考文獻(xiàn)
第二章 聚類分析
2. 1 聚類分析的概念
2. 2 模式相似性測(cè)度
2. 3 類的定義與類間距離
2. 4 聚類的算法
習(xí)題
參考文獻(xiàn)
第三章 判別域代數(shù)界面方程法
3. 1 用判別域界面方程分類的概念
3. 2 線性判別函數(shù)
3. 3 判別函數(shù)值的鑒別意義. 權(quán)空間及解空間
3. 4 Fisher線性判別
3. 5 一次準(zhǔn)則函數(shù)及梯度下降法
3. 6 二次準(zhǔn)則函數(shù)及其解法
3. 7 線性規(guī)劃方法
3. 8 線性二分能力(Linear dichotomies)
3. 9 廣義線性判別函數(shù)
3. 10 二次判別函數(shù)
3. 11 分段線性判別函數(shù)
3. 12 位勢(shì)函數(shù)分類法
習(xí)題
參考文獻(xiàn)
第四章 統(tǒng)計(jì)判決
4. 1 *小誤判概率準(zhǔn)則判決
4. 2 *小損失準(zhǔn)則判決
4. 3 *小*大損失準(zhǔn)則判決
4. 4 N-P(Neyman-Pearson)判決
4. 5 序貫判決
4. 6 Fisher準(zhǔn)則判決
習(xí)題
參考文獻(xiàn)
第五章 統(tǒng)計(jì)決策中的訓(xùn)練. 學(xué)習(xí)與錯(cuò)誤率測(cè)試. 估訐
5. 1 統(tǒng)計(jì)推斷概述
5. 2 參數(shù)估計(jì)
5. 3 貝葉斯學(xué)習(xí)
5. 4 概率密度的窗函數(shù)估計(jì)法及kN-近鄰法
5. 5 有限項(xiàng)正交函數(shù)級(jí)數(shù)逼近法
5. 6 用位勢(shì)函數(shù)法逼近貝葉斯判決函數(shù)
5. 7 隨機(jī)逼近方法求類的后驗(yàn)概率
5. 8 統(tǒng)計(jì)決策準(zhǔn)則下線性判決函數(shù)的訓(xùn)練生成
5. 9 錯(cuò)誤率測(cè)試
5. 10 平均損失及*小誤判概率的估計(jì)方法
5. 11 經(jīng)驗(yàn)風(fēng)險(xiǎn)設(shè)計(jì)
習(xí)題
參考文獻(xiàn)
第六章 *近鄰方法
6. 1 *近鄰法
6. 2 剪輯*近鄰法
6. 3 引入拒絕決策的*近鄰法
6. 4 *近鄰法中的*佳距離及其實(shí)際計(jì)算
習(xí)題
參考文獻(xiàn)
第七章 特征提取與選擇
7. 1 概述
7. 2 類別可分性判據(jù)
7. 3 基于可分性判據(jù)進(jìn)行變換的特征提取與選擇
7. 4 *佳鑒別矢量的提取
7. 5 離散K-L變換及其在特征提取與選擇中的應(yīng)用
7. 6 基于決策界的特征提取
7. 7 特征選擇中的直接挑選法
習(xí)題
參考文獻(xiàn)
第八章 模糊模式識(shí)別
8. 1 引言
8. 2 普通集合與模糊集合
8. 3 普通集合中的關(guān)系及有關(guān)知識(shí)
8. 4 模糊關(guān)系與模糊變換
8. 5 模糊度與特征提取和選擇
8. 6 模糊識(shí)別的基本方法
習(xí)題
參考文獻(xiàn)
第九章 神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用
9. 1 人工神經(jīng)網(wǎng)絡(luò)的基本知識(shí)
9. 2 前向型人工神經(jīng)網(wǎng)絡(luò)
9. 3 BP網(wǎng)的結(jié)構(gòu)性能和學(xué)習(xí)改進(jìn)
9. 4 Hopfield網(wǎng)絡(luò)
9. 5 隨機(jī)神經(jīng)網(wǎng)絡(luò)
9. 6 自適應(yīng)共振理論神經(jīng)網(wǎng)絡(luò)
9. 7 自組織特征映射神經(jīng)網(wǎng)絡(luò)
9. 8 模糊神經(jīng)網(wǎng)絡(luò)
習(xí)題
參考文獻(xiàn)
第十章 信息融合
10. 1 概述
10. 2 融合技術(shù)的層次性及融合系統(tǒng)的功能模塊和結(jié)構(gòu)
10. 3 關(guān)于信息融合的熵理論
10. 4 觀測(cè)不相關(guān)的分布式*小損失準(zhǔn)則下的檢測(cè)與決策融合
10. 5 觀測(cè)相關(guān)的決策融合
10. 6 N-P準(zhǔn)則下的數(shù)據(jù)融合
10. 7 分布式檢測(cè)決策融合的全局*優(yōu)概述及某些約束條件下的*優(yōu)解
10. 8 D-S證據(jù)理論融合算法
參考文獻(xiàn)
第十一章 句法模式識(shí)別
11. 1 句法模式識(shí)別概述
11. 2 形式語言
11. 3 高維文法與隨機(jī)文法
11. 4 模式的描述
11. 5 句法分析
11. 6 文法推斷
參考文獻(xiàn)
第十二章 智能化方法
12. 1 人工智能簡述
12. 2 專家系統(tǒng)
12. 3 知識(shí)的表示
12. 4 智能推理技術(shù)
12. 5 不確定性推理
參考文獻(xiàn)
展開全部
現(xiàn)代模式識(shí)別 相關(guān)資料
商品評(píng)論(3條)
- 主題：紙張比較差，封面很薄
很容易卷。印刷淡，加上這個(gè)紙張質(zhì)量，莫非是學(xué)生學(xué)完就扔的意思？但是其實(shí)書26cm，比其他的模式識(shí)別教材厚不少，內(nèi)容較全或者說比較雜，而且也不難，其實(shí)只要大一高數(shù)程度的數(shù)學(xué)就夠用了。
- 主題：現(xiàn)代模式識(shí)別
本書系統(tǒng)深入地論述了模式識(shí)別的理論與方法，較全面地反映了本學(xué)科的新近科技成果。全書分12章，討論的主流模式識(shí)別技術(shù)是：統(tǒng)計(jì)模式識(shí)別、模糊模式識(shí)別、神經(jīng)網(wǎng)絡(luò)技術(shù)、人工智能方法、句法模式識(shí)別。
書友推薦
- >
我從未如此眷戀人間
- >
羅曼·羅蘭讀書隨筆-精裝
- >
山海經(jīng)
- >
名家?guī)阕x魯迅:故事新編
- >
有舍有得是人生
- >
朝聞道
- >
詩經(jīng)-先民的歌唱
- >
唐代進(jìn)士錄
本類暢銷
