《模式識別--原理方法及套用》是清華大學出版社2002年出版的圖書，由J.P.Marquesdesa編著。
基本介紹
- 作者：J.P.Marquesdesa
- 譯者：吳逸飛
- ISBN：9787302059943
- 頁數：302
- 定價：45.0
- 出版社：清華大學出版社
- 出版時間：2002-11
- 裝幀：平裝
內容介紹,圖書目錄,
內容介紹
本書主要內容包括模式識別的基本概念、模式識別的主要研究方法，包括統計模式識別方法、神經網路方法和結構模式的識別方法，同時介紹了該領域的最新研究方法和成果。
圖書目錄
第1章基本概念 1
1.1對象識別 1
1.2模式相似度和模式識別任務 3
1.2.1分類決策 3
1.2.2回歸問題 6
1.2.3描述 7
1.3類別、模式和特徵 9
1.4模式識別方法 12
1.4.1數據聚類 13
1.4.2統計分類 14
1.4.3神經網路 14
1.4.4結構模式識別 15
1.5模式識別工程 16
1.5.1工程任務 16
1.5.2訓練和測試 17
1.5.3模式識別軟體 18
第2章模式判別 21
2.1決策區域和決策函式 21
2.1.1廣義決策函式 23
2.1.2分類超平面 26
2.2特徵空間尺度 28
2.3協方差矩陣 33
2.4主成分 39
2.5特徵評價 41
2.5.1圖形考察 42
2.5.2分布模型評價 43
2.5.3統計推論檢測 44
2.6維數比率問題 46
第3章數據聚類 51
3.1非監督學習分類 51
3.2標準化問題 53
3.3樹聚類 55
3.3.1聯接規則 58
3.3.2樹聚類實例 61
3.4降維問題 62
3.5K均值聚類 66
3.6聚類有效性 69
第4章統計分類 75
4.1線性判別 75
4.1.1最小距離分類器 75
4.1.2歐幾里得線性判別 78
4.1.3馬氏距離線性判別 80
4.1.4Fisher線性判別 83
4.2貝葉斯分類 85
4.2.1基於最小風險的貝葉斯準則 85
4.2.2正態形式貝葉斯分類 92
4.2.3拒絕區域 98
4.2.4維數比率以及錯誤率估計 100
4.3“模型-無關”技巧 103
4.3.1Parzen窗函式法 105
4.3.2k-近鄰法 108
4.3.3ROC曲線法 111
4.4特徵選擇 115
4.5分類器評價 120
4.6樹分類器 124
4.6.1決策樹以及決策表 124
4.6.2分類器 130
4.7數據挖掘中的統計分類器 132
第5章神經網路 140
5.1最小均值平方誤差調整判別 140
5.2活化函式 147
5.3感知器原理 151
5.4神經網路的類型 158
5.5多層感知器 161
5.5.1反向傳播算法 163
5.5.2實際套用中的有關問題 166
5.5.3時間序列 172
5.6神經網路的性能 174
5.6.1錯誤率估計 174
5.6.2海賽矩陣 176
5.6.3神經網路設計中的偏差量及方差 179
5.6.4網路複雜度 182
5.6.5風險最小化 189
5.7神經網路訓練中的近似模型 191
5.7.1共軛-梯度方法 191
5.7.2Levenberg-Marquardt方法 194
5.8神經網路訓練中的遺傳算法 196
5.9徑向基函式 201
5.10支持向量機 203
5.11Kohonen網路 211
5.12Hopfield網路 214
5.13模組神經網路 218
5.14神經網路在數據挖掘中的套用 222
第6章結構模式識別 231
6.1模式基元 231
6.1.1信號基元 231
6.1.2圖像基元 233
6.2結構化描述 235
6.2.1字元串 235
6.2.2圖形 236
6.2.3樹 237
6.3句法分析 238
6.3.1字元串語法 238
6.3.2畫面描述語言 241
6.3.3語法種類 243
6.3.4有限狀態自動機 245
6.3.5屬性語法 247
6.3.6隨機語法 248
6.3.7語法推理 251
6.4結構匹配 252
6.4.1字元串匹配 252
6.4.2隨機鬆弛匹配 257
6.4.3離散鬆弛匹配 260
6.4.4利用Hopfield網路的鬆弛算法 262
6.4.5圖和樹匹配 265
附錄A數據集 276
A.1胸部組織 276
A.2聚類 277
A.3軟木塞 277
A.4犯罪 278
A.5心率曲線 278
A.6心電圖 280
A.7嬰兒心率信號 280
A.8阿普伽新生兒心率評估 281
A.9公司 281
A.10嬰兒體重 282
A.11食物 283
A.12水果 283
A.13噪聲脈衝 283
A.14MLP集合 283
A.15規範2c2d 284
A.16岩石 284
A.17股票交易 285
A.18坦克 286
A.19天氣 286
附錄B工具 287
B.1適應性過濾 287
B.2密度估計 287
B.3訓練集大小 288
B.4誤差能量 289
B.5遺傳神經網路 290
B.6Hopfield網路 292
B.7k-NN邊界 294
B.8k-NN分類 294
B.9感知器 295
B.10句法分析 295
附錄C標準正交變換 297
附錄D符號與縮寫 299
