模式識別（第三版）

內容簡介

本書是清華大學自動化系國家精品課程“模式識別基礎”的教材，是在《模式識別》第一版和第二版基礎上重寫而成的。本教材系統地討論了模式識別的基本概念和代表性方法，包括監督模式識別中的貝葉斯決策理論、機率密度函式的估計、線性判別函式、非線性判別函式、近鄰法、特徵選擇與提取的典型方法以及非監督模式識別中的基於模型的方法、混合密度估計、動態聚類方法、分級聚類方法等，並在相應章節包括了人工神經網路、支持向量機、決策樹與隨機森林、羅傑斯特回歸、Boosting方法、模糊模式識別等較新進入模式識別領域的內容。整體內容安排力求系統性和實用性，並覆蓋部分當前研究前沿。

本書可以作為高等院校自動化、計算機等相關專業高年級本科生和研究生學習模式識別的教材，也可以供計算機信息處理、生物信息學、數據挖掘、統計等各領域中從事模式識別相關工作的廣大科技人員和高校師生參考。

圖書目錄

第1章概論

1.1模式與模式識別

1.2模式識別的主要方法

1.3監督模式識別與非監督模式識別

1.4模式識別系統舉例

1.5模式識別系統的典型構成

1.6本書的主要內容

第2章統計決策方法

2.1引言：一個簡單的例子

2.2最小錯誤率貝葉斯決策

2.3最小風險貝葉斯決策

2.4兩類錯誤率、NeymanPearson決策與ROC曲線

2.5常態分配時的統計決策

2.5.1常態分配及其性質回顧

2.5.2常態分配機率模型下的最小錯誤率貝葉斯決策

2.6錯誤率的計算

2.6.1常態分配且各類協方差矩陣相等情況下錯誤率的計算

2.6.2高維獨立隨機變數時錯誤率的估計

2.7離散機率模型下的統計決策舉例

2.8小結與討論

第3章機率密度函式的估計

3.1引言

3.2最大似然估計

3.2.1最大似然估計的基本原理

3.2.2最大似然估計的求解

3.2.3常態分配下的最大似然估計

3.3貝葉斯估計與貝葉斯學習

3.3.1貝葉斯估計

3.3.2貝葉斯學習

3.3.3常態分配時的貝葉斯估計

3.3.4其他分布的情況

3.4機率密度估計的非參數方法

3.4.1非參數估計的基本原理與直方圖方法

3.4.2kN近鄰估計方法

3.4.3Parzen窗法

3.5討論

第4章線性分類器

4.1引言

4.2線性判別函式的基本概念

4.3Fisher線性判別分析

4.4感知器

4.5最小平方誤差判別

4.6最優分類超平面與線性支持向量機

模式識別（第三版）

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條