《模式分類》(原書第2版)的第1版《模式分類與場景分析》出版於1973年，是模式識別和場景分析領域奠基性的經曲名著。在第2版中，除了保留了第1版的關於統計模式識別和結構模式識別的主要內容以外，讀者將會發現新增了許多近25年來的新理論和新方法，其中包括神經網路、機器學習、數據挖掘、進化計算、不變數理論、隱馬爾可夫模型、統計學習理論和支持向量機等。作者還為未來25年的模式識別的發展指明了方向。書中包含許多實例，各種不同方法的對比，豐富的圖表，以及大量的課後習題和計算機練習。
基本介紹
- 書名：計算機科學叢書：模式分類
- 譯者：李宏東
- 出版社：機械工業出版社
- 頁數：530頁
- 開本：16
- 定價：59.00
- 作者：迪達
- 類型：控制論、資訊理論(數學理論)
- 出版日期：2003年9月1日
- 語種：簡體中文
- ISBN：7111121481
- 品牌：機械工業出版社
基本介紹,內容簡介,作者簡介,媒體推薦,圖書目錄,
基本介紹
內容簡介
《模式分類》(原書第2版)已被卡內基-梅隆、哈佛、斯坦福、劍橋等120多所大學採用為教材。本書作為流行和經典的教材和專業參考書，主要面向電子工程、計算機科學、數學和統計學、媒體處理、模式識別、計算機視覺、人工智慧和認知科學等領域的研究生和相關領域的科技人員。開發和研究模式識別系統的實踐者，無論其套用涉及語音識別、字元識別、圖像處理還是信號分析，常會遇到需要從大量令人迷惑的技術中做出選擇的難題。這本獨一無二的教材及專業參考書，為你準備了充足的資料和信息，供你選擇最適合的技術。作為一本在過去幾十年內模式識別領域經典著作的新版，這一版本更新並擴充了原作，重點介紹模式分類及該領域近年來的巨大進展。
作者簡介
Richard O.Duda於麻省理工學院獲得電氣工程博士學位，是加州San Jose州立大學電氣工程系名譽教授。他是美國人工智慧學會會士、IEEE會士。
Peter E.Hart是加州Ricoh lnnovations公司的創始人、總裁和CEO，同時還是理光公司的高級副總裁，在此之前曾任理光加州研究中心的高級副總裁。他是美國人工智慧學會會士、IEEE會士，曾獲IEEE資訊理論協50周年論文獎。
Peter E.Hart是加州Ricoh lnnovations公司的創始人、總裁和CEO，同時還是理光公司的高級副總裁，在此之前曾任理光加州研究中心的高級副總裁。他是美國人工智慧學會會士、IEEE會士，曾獲IEEE資訊理論協50周年論文獎。
媒體推薦
書評
開發和研究模式識別系統的實踐者，無論其套用涉及語音識別、字元識別、圖像處理還是信號分析，常會遇到需要從大量令人迷惑的技術中做出選擇的難題。這本獨一無二的教材及專業參考書，為你準備了充足的資料和信息，供你選擇最適合的技術。作為一本在過去幾十年內模式識別領域經典著作的新版，這一版本更新並擴充了原作，重點介紹模式分類及該領域近年來的巨大進展。本書已被卡內基-梅隆、哈佛、斯坦福、劍橋等120多所大學採用為教材。本書作為流行和經典的教材和專業參考書，主要面向電子工程、計算機科學、數學和統計學、媒體處理、模式識別、計算機視覺、人工智慧和認知科學等領域的研究生和相關領域的科技人員。
開發和研究模式識別系統的實踐者，無論其套用涉及語音識別、字元識別、圖像處理還是信號分析，常會遇到需要從大量令人迷惑的技術中做出選擇的難題。這本獨一無二的教材及專業參考書，為你準備了充足的資料和信息，供你選擇最適合的技術。作為一本在過去幾十年內模式識別領域經典著作的新版，這一版本更新並擴充了原作，重點介紹模式分類及該領域近年來的巨大進展。本書已被卡內基-梅隆、哈佛、斯坦福、劍橋等120多所大學採用為教材。本書作為流行和經典的教材和專業參考書，主要面向電子工程、計算機科學、數學和統計學、媒體處理、模式識別、計算機視覺、人工智慧和認知科學等領域的研究生和相關領域的科技人員。
圖書目錄
出版者的話
專家指導委員會
譯者序
前言
第1章 緒論
1.1 機器感知
1.2 一個例子
1.3 模式識別系統
1.4 設計循環
1.5 學習和適應
1.6 本章小結
全書各章概要
文獻和歷史評述
參考文獻
第2章 貝葉斯決策論
2.1 引言
2.2 貝葉斯決策論——連續特徵
2.3 最小誤差率分類
2.4 分類器、判別函式及判定面
2.5 正態密度
2.6 常態分配的判別函式
2.7 誤差機率和誤差積分
2.8 正態密度的誤差上界
2.9 貝葉斯決策論——離散特徵
2.10 丟失特徵和噪聲特徵
2.11 貝葉斯置信網
2.12 複合貝葉斯決策論及上下文
本章小結
文獻和歷史評述
習題
上機練習
參考文獻
第3章 最大似然估計和貝葉斯參數估計
第4章 非參數技術
第5章 線性判別函式
第6章 多層神經網路
第7章 隨機方法
第8章 非度量方法
第9章 獨立於算法的機器學習
第10章 無監督學習和聚類
附錄A 數學基礎
參考文獻
索引
專家指導委員會
譯者序
前言
第1章 緒論
1.1 機器感知
1.2 一個例子
1.3 模式識別系統
1.4 設計循環
1.5 學習和適應
1.6 本章小結
全書各章概要
文獻和歷史評述
參考文獻
第2章 貝葉斯決策論
2.1 引言
2.2 貝葉斯決策論——連續特徵
2.3 最小誤差率分類
2.4 分類器、判別函式及判定面
2.5 正態密度
2.6 常態分配的判別函式
2.7 誤差機率和誤差積分
2.8 正態密度的誤差上界
2.9 貝葉斯決策論——離散特徵
2.10 丟失特徵和噪聲特徵
2.11 貝葉斯置信網
2.12 複合貝葉斯決策論及上下文
本章小結
文獻和歷史評述
習題
上機練習
參考文獻
第3章 最大似然估計和貝葉斯參數估計
第4章 非參數技術
第5章 線性判別函式
第6章 多層神經網路
第7章 隨機方法
第8章 非度量方法
第9章 獨立於算法的機器學習
第10章 無監督學習和聚類
附錄A 數學基礎
參考文獻
索引
