模式識別與分類導論

內容簡介

模式識別與分類的使用是當今許多自動化電子系統的基礎。然而，儘管該領域已出版了許多名著，但該主題仍然非常具有挑戰性，特別是對於初學者而言。《模式識別和分類》全面介紹了自動模式識別領域中所涉及到的核心概念。本書的構思適用於具有不同背景的新手，對圖像、信號處理分析以及計算機視覺方面的研究人員和專業人員也非常有用。對於監督分類與非監督分類的基本概念本書以非公理化、非形式化的方式呈現出來，以便於讀者能夠快速地獲得將基本概念套用於解決實際問題的必要背景知識。更高級的主題，如半監督分類、聚類算法與相關反饋的結合，將在本書的後半部章節中進行討論。本書適合大學本科生和研究生的“模式識別與機器學習”教學參考書或自學指導。

圖書目錄

致謝

譯者序

前言

第1章引言

1.1概述

1.2分類

1.3本書的組織結構

1.4練習

參考文獻

第2章分類

2.1分類過程

2.2特徵

2.3訓練與學習

2.4監督學習與算法選擇

2.5分類方法

2.6實例

2.6.1按形狀分類

2.6.2按大小分類

2.6.3更多的實例

2.6.4字母的分類

2.7練習

參考文獻

第3章非度量方法

3.1引言

3.2決策樹分類器

3.2.1信息、熵、扭曲度

3.2.2信息增益

3.2.3決策樹存在的問題

3.2.4優缺點

3.3基於規則的分類器

3.4其他方法

3.5練習

參考文獻

第4章統計模式識別

4.1測量數據與測量誤差

4.2機率論

4.2.1簡單機率論

4.2.2條件機率和貝葉斯規則

4.2.3樸素貝葉斯分類器

4.3連續隨機變數

4.3.1多變數高斯分布

4.3.2協方差矩陣

4.3.3馬氏距離

4.4練習

參考文獻

第5章監督學習

5.1參數與非參數學習

5.2參數學習

5.2.1貝葉斯決策理論

5.2.2判別函式與決策邊界

5.2.3MAP（最大後驗）

估計量

模式識別與分類導論

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條