模式識別(2015年機械工業出版社出版的圖書)

內容簡介

　　《模式識別》共分為8章。第一章為緒論，主要介紹了模式識別的概念，系統組成及常用方法。第二章～第五章主要介紹了統計模式識別的方法，有特徵聚類，貝葉斯分類，fish線性判別以及近鄰法。第六章講述了幾種人工神經網路方法，第七章詳細介紹了一個三維識別的案例。

圖書目錄

第1章緒論

1.1模式識別基本概念

1.1.1模式和模式識別

1.1.2模式識別系統組成

1.2 特徵描述

1.3 模式識別方法

1.3.1 統計法

1.3.2 聚類法

1.3.3 神經網路法

1.3.4 人工智慧法

1.4模式識別工程設計

1.4.1 工程任務

1.4.2 訓練集和測試集選擇

1.4.3 模式識別軟體

習題

第2章特徵聚類

2.1 聚類的概念

2.1.1特徵聚類的基本思想

2.1.2聚類的算法

2.2 數據的降維（PCA）

2.2.1 PCA基本概念

2.2.2 PCA原理

2.2.3 PCA的一般步驟

2.2.4數據的降維實例

2.3 模式相似性測度

2.3.1距離測度

2.3.2相似測度

2.3.3匹配測度

2.4 K-均值聚類

2.4.1 K-均值聚類算法簡介

2.4.2算法原理

2.4.3K均值算法的一般步驟

2.4.4 K-均值聚類實例

2.5本章小結

習題

第3章貝葉斯分類

3.1 貝葉斯準則

3.1基於最小錯誤率的貝葉斯準則

3.2基於最小風險的貝葉斯準則

3.3最大最小決策規則

3.4紐曼—皮爾遜（Neyman—Pearson）決策規則

3.5 貝葉斯學習估計案例（手寫字元）

習題

第4章Fisher線性判別

4.1 判別域界面方程分類的概念

4.2線性判別函式

4.2.1 兩類問題

4.2.2 多類問題

4.3 判別函式數值的鑑別意義、權空間及解空間

4.3.1 判別函式值的大小、正負的數學意義

4.3.2 權空間、解矢量與解空間

4.4 Fisher線性判別

習題

第5章近鄰法

5.1 最近鄰法

5.1.1最近鄰決策規則

5.1.2最近鄰法的錯誤率分析

5.2最近鄰法程式舉例

5.3 K近鄰法

模式識別(2015年機械工業出版社出版的圖書)

基本介紹

內容簡介

圖書目錄

作者簡介

相關詞條

熱門詞條