《模式識別 “十一五”國家重點圖書》是2010年1月中國科學技術大學出版社出版的圖書，作者是汪增福。
基本介紹
- 書名：模式識別 “十一五”國家重點圖書
- 作者：汪增福
- ISBN：9787312026546
- 頁數：322頁
- 定價：35.00元
- 出版社：中國科學技術大學出版社
- 出版時間：2010年1月
- 裝幀：平裝
- 開本：16開
- 用紙：膠版紙
- 叢書名稱：中國科學技術大學精品教材
內容簡介,目錄,
內容簡介
本書主要介紹統計模式識別和結構模式識別的相關內容.全書由7章組成.第1章為緒論.第2章介紹統計模式識別中的幾何方法，著重介紹特徵空間的概念和相關分類器的設計方法.第3章介紹統計模式識別中的機率方法，著重介紹最小錯誤機率分類器、最小風險分類器、紐曼皮爾遜分類器和最小最大分類器以及機率密度函式的參數估計和非參數估計等.第4章討論典型分類器錯誤機率的計算問題.第5章討論無監督情況下的模式識別問題，著重介紹幾種典型的聚類算法：基於分裂的聚類方法、基於合併的聚類方法、動態聚類方法、基於核函式的聚類方法和近鄰函式值聚類方法等.第6章討論結構模式識別問題，給出幾種典型的文法規則和與之相關聯的識別裝置，包括有限狀態自動機、下推自動機和圖靈機等.最後，在第7章對全書進行總結. 本書可作為電子信息類各專業高年級本科生和碩士研究生模式識別課程的教材，也可供從事模式識別相關研究的教師和科研人員參考.
目錄
總序(Ⅰ)
前言(Ⅲ)
第1章 緒論(1)
1.1模式和模式識別(1)
1.2模式的分類(5)
1.3模式識別系統的基本構成(6)
1.4模式識別方法及其分類(9)
1.5模式識別舉例(11)
1.6本書內容安排(14)
第2章 統計模式識別中的幾何方法(16)
2.1統計分類的基本思想(16)
2.1.1特徵空間和分類器設計(16)
2.1.2兩個例子(18)
2.2模式的相似性度量和最小距離分類器(20)
2.2.1相似性度量和距離函式(20)
2.2.2最小距離分類器(22)
2.3線性可分情況下的幾何分類法(27)
2.3.1線性判別函式和線性分類器(27)
2.3.2線性判別函式的參數確定(35)
2.3.3感知器算法(38)
2.3.4收斂性定理(42)
2.3.5梯度下降法(44)
2.3.6最小平方誤差法(48)
2.4非線性可分情況下的幾何分類法(53)
2.4.1廣義線性判別函式法(53)
2.4.2分段線性判別函式法(56)
2.4.3非線性判別函式法：位勢函式法(59)
2.5線性可分問題的非疊代解法(63)
2.6最優分類超平面(68)
本章小結(72)
第3章 統計模式識別中的機率方法(73)
3.1用機率方法描述分類問題(73)
3.2幾個相關的概念(74)
3.3最小錯誤機率判決準則(76)
3.4最小風險判決規則(78)
3.5貝葉斯統計判決規則的似然比表現形式(81)
3.5.1最小錯誤機率判決規則的似然比表現形式(81)
3.5.2最小風險判決規則的似然比表現形式(82)
3.6拒絕判決(86)
3.7貝葉斯分類器的一般結構(87)
3.8NeymanPearson判決規則(89)
3.9最小最大判決規則(94)
3.10基於分段線性化的分類器設計(102)
3.11常態分配下的分類器設計(107)
3.11.1常態分配的定義和若干性質(108)
3.11.2常態分配下的分類器設計(113)
3.12有監督情況下類條件機率密度的參數估計(118)
3.12.1最大似然估計(118)
3.12.2貝葉斯估計和貝葉斯學習(123)
3.13非監督情況下類條件機率密度的參數估計(129)
3.14類條件機率密度的非參數估計(135)
3.14.1非參數估計的基本概念和方法(135)
3.14.2Parzen窗估計法(139)
3.14.3kn近鄰估計法(144)
3.14.4正交級數副近法（144）
本章小結(147)
第4章 分類器的錯誤率(148)
4.1常態分配下的錯誤率(149)
4.2樣本各維之間統計獨立情況下的錯誤率(153)
4.3錯誤率界限的理論估計(155)
4.3.1Chernoff界限(155)
4.3.2Bhattacharyya界限(159)
4.4近鄰分類法的錯誤率(162)
4.5分類器錯誤率的實驗估計(169)
4.5.1已訓練分類器錯誤率的實驗估計(170)
4.5.2有限樣本情況下分類器錯誤率的實驗估計(173)
本章小結(175)
第5章 統計模式識別中的聚類方法(176)
5.1聚類分析(176)
5.2聚類準則(178)
5.2.1誤差平方和準則函式Je(178)
5.2.2權平均平方距離和準則函式Jl(179)
5.2.3類間距離和準則函式Jb(180)
5.2.4離散度準則函式(180)
5.3基於分裂的聚類算法(185)
5.3.1簡單增類聚類算法(186)
5.3.2改進的增類聚類算法(188)
5.4基於合併的聚類算法(190)
5.5動態聚類算法(196)
5.5.1C均值動態聚類算法（Ⅰ）(197)
5.5.2C均值動態聚類算法（Ⅱ）(198)
5.5.3ISODATA算法(203)
5.5.4基於樣本和核的相似性度量的動態聚類算法(208)
5.6基於近鄰函式值準則的聚類算法(212)
5.7最小張樹聚類算法(217)
本章小結(221)
第6章 結構模式識別中的句法方法(222)
6.1模式基元和模式結構的表達(223)
6.2形式語言基礎(227)
6.2.1集合、集合間的關係和集合運算(227)
6.2.2符號串和語言(229)
6.2.3文法(231)
6.2.4文法的分類(236)
6.3有限狀態自動機(239)
6.3.1確定的有限狀態自動機(240)
6.3.2非確定的有限狀態自動機(246)
6.3.3有限狀態自動機之間的等價(249)
6.3.4有限狀態文法和有限狀態自動機(256)
6.4下推自動機(258)
6.4.1下推自動機的即時描述(262)
6.4.2上下文無關文法和下推自動機(264)
6.5圖靈機(271)
6.6關於語言、文法和自動機的再討論(276)
6.6.1語言的命名(276)
6.6.2從語言構建自動機(277)
6.6.3語言類型的確定(280)
6.7句法分析(285)
6.7.1正向剖析過程的樹表示(287)
6.7.2先驗規則引導的樹正向剖析算法(288)
6.7.3基於三角表格的反向剖析算法(294)
6.8文法推斷(297)
6.8.1正則文法的推斷(298)
6.8.2非正則文法的推斷(308)
本章小結(313)
第7章 總結(314)
附錄(316)
參考文獻(321)
前言(Ⅲ)
第1章 緒論(1)
1.1模式和模式識別(1)
1.2模式的分類(5)
1.3模式識別系統的基本構成(6)
1.4模式識別方法及其分類(9)
1.5模式識別舉例(11)
1.6本書內容安排(14)
第2章 統計模式識別中的幾何方法(16)
2.1統計分類的基本思想(16)
2.1.1特徵空間和分類器設計(16)
2.1.2兩個例子(18)
2.2模式的相似性度量和最小距離分類器(20)
2.2.1相似性度量和距離函式(20)
2.2.2最小距離分類器(22)
2.3線性可分情況下的幾何分類法(27)
2.3.1線性判別函式和線性分類器(27)
2.3.2線性判別函式的參數確定(35)
2.3.3感知器算法(38)
2.3.4收斂性定理(42)
2.3.5梯度下降法(44)
2.3.6最小平方誤差法(48)
2.4非線性可分情況下的幾何分類法(53)
2.4.1廣義線性判別函式法(53)
2.4.2分段線性判別函式法(56)
2.4.3非線性判別函式法：位勢函式法(59)
2.5線性可分問題的非疊代解法(63)
2.6最優分類超平面(68)
本章小結(72)
第3章 統計模式識別中的機率方法(73)
3.1用機率方法描述分類問題(73)
3.2幾個相關的概念(74)
3.3最小錯誤機率判決準則(76)
3.4最小風險判決規則(78)
3.5貝葉斯統計判決規則的似然比表現形式(81)
3.5.1最小錯誤機率判決規則的似然比表現形式(81)
3.5.2最小風險判決規則的似然比表現形式(82)
3.6拒絕判決(86)
3.7貝葉斯分類器的一般結構(87)
3.8NeymanPearson判決規則(89)
3.9最小最大判決規則(94)
3.10基於分段線性化的分類器設計(102)
3.11常態分配下的分類器設計(107)
3.11.1常態分配的定義和若干性質(108)
3.11.2常態分配下的分類器設計(113)
3.12有監督情況下類條件機率密度的參數估計(118)
3.12.1最大似然估計(118)
3.12.2貝葉斯估計和貝葉斯學習(123)
3.13非監督情況下類條件機率密度的參數估計(129)
3.14類條件機率密度的非參數估計(135)
3.14.1非參數估計的基本概念和方法(135)
3.14.2Parzen窗估計法(139)
3.14.3kn近鄰估計法(144)
3.14.4正交級數副近法（144）
本章小結(147)
第4章 分類器的錯誤率(148)
4.1常態分配下的錯誤率(149)
4.2樣本各維之間統計獨立情況下的錯誤率(153)
4.3錯誤率界限的理論估計(155)
4.3.1Chernoff界限(155)
4.3.2Bhattacharyya界限(159)
4.4近鄰分類法的錯誤率(162)
4.5分類器錯誤率的實驗估計(169)
4.5.1已訓練分類器錯誤率的實驗估計(170)
4.5.2有限樣本情況下分類器錯誤率的實驗估計(173)
本章小結(175)
第5章 統計模式識別中的聚類方法(176)
5.1聚類分析(176)
5.2聚類準則(178)
5.2.1誤差平方和準則函式Je(178)
5.2.2權平均平方距離和準則函式Jl(179)
5.2.3類間距離和準則函式Jb(180)
5.2.4離散度準則函式(180)
5.3基於分裂的聚類算法(185)
5.3.1簡單增類聚類算法(186)
5.3.2改進的增類聚類算法(188)
5.4基於合併的聚類算法(190)
5.5動態聚類算法(196)
5.5.1C均值動態聚類算法（Ⅰ）(197)
5.5.2C均值動態聚類算法（Ⅱ）(198)
5.5.3ISODATA算法(203)
5.5.4基於樣本和核的相似性度量的動態聚類算法(208)
5.6基於近鄰函式值準則的聚類算法(212)
5.7最小張樹聚類算法(217)
本章小結(221)
第6章 結構模式識別中的句法方法(222)
6.1模式基元和模式結構的表達(223)
6.2形式語言基礎(227)
6.2.1集合、集合間的關係和集合運算(227)
6.2.2符號串和語言(229)
6.2.3文法(231)
6.2.4文法的分類(236)
6.3有限狀態自動機(239)
6.3.1確定的有限狀態自動機(240)
6.3.2非確定的有限狀態自動機(246)
6.3.3有限狀態自動機之間的等價(249)
6.3.4有限狀態文法和有限狀態自動機(256)
6.4下推自動機(258)
6.4.1下推自動機的即時描述(262)
6.4.2上下文無關文法和下推自動機(264)
6.5圖靈機(271)
6.6關於語言、文法和自動機的再討論(276)
6.6.1語言的命名(276)
6.6.2從語言構建自動機(277)
6.6.3語言類型的確定(280)
6.7句法分析(285)
6.7.1正向剖析過程的樹表示(287)
6.7.2先驗規則引導的樹正向剖析算法(288)
6.7.3基於三角表格的反向剖析算法(294)
6.8文法推斷(297)
6.8.1正則文法的推斷(298)
6.8.2非正則文法的推斷(308)
本章小結(313)
第7章 總結(314)
附錄(316)
參考文獻(321)
