图书介绍
现代模式识别PDF|Epub|txt|kindle电子书版本网盘下载
- 孙即祥编著 著
- 出版社： 北京：高等教育出版社
- ISBN：7040205874
- 出版时间：2008
- 标注页数：713页
- 文件大小：139MB
- 文件页数：723页
- 主题词：模式识别－高等学校－教材
PDF下载
下载说明
现代模式识别PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第一章 绪论1
概述1
特征矢量和特征空间6
随机矢量的描述6
正态分布9
参考文献15
第二章 聚类分析16
聚类分析的概念16
模式相似性测度18
类的定义与类间距离25
准则函数29
聚类的算法37
文献简评 应用简介67
习题68
上机练习70
参考文献71
第三章 判别域代数界面方程法73
用判别域界面方程分类的概念73
线性判别函数73
判别函数值的鉴别意义、权空间及解空间78
Fisher线性判别80
线性可分条件下判别函数的权矢量算法85
一般情况下的判别函数权矢量算法92
线性规划方法99
线性二分能力101
广义线性判别函数104
二次判别函数106
分段线性判别函数108
位势函数分类法116
支持矢量机简介120
最小最大概率机122
文献简评 应用简介128
习题128
上机练习129
参考文献130
第四章 统计判决132
最小误判概率准则判决132
最小损失准则判决148
最小最大损失准则156
N-P （Neyman-Pearson）判决159
序贯判决（SPRD）162
Fisher准则判决167
特征数据缺损或被噪声污染下的Bayes判决168
批对象的复合判决170
文献简评 应用简介171
习题171
上机练习175
参考文献176
第五章 统计决策中的学习与错误率估计178
统计推断概述178
参数估计180
Bayes学习186
概密的窗函数估计法189
有限项正交函数级数逼近法198
用位势函数法逼近Bayes判决函数202
随机逼近方法求类的后验概率205
统计决策准则下线性判决函数的训练生成210
错误率估计215
基于平均损失估计的学习及最小误判概率的估计224
无监督估计（盲估计）226
期望最大化算法232
集成学习238
文献简评 应用简介241
习题243
上机练习246
参考文献248
第六章 最近邻法252
基本的最近邻法252
剪辑最近邻法259
引入拒绝决策的最近邻法263
最近邻法中的最佳距离及其实际计算265
文献简评 应用简介269
习题269
参考文献270
第七章 特征提取与选择272
概述272
类别可分性判据273
基于可分性判据进行变换的特征提取与选择285
最佳鉴别矢量的提取296
离散K-L变换及其在特征提取与选择中的应用299
独立成分分析310
基于决策界的特征提取316
特征选择中的直接挑选法323
多维尺度分析329
文献简评 应用简介331
习题333
参考文献334
第八章 模糊模式识别338
引言338
普通集合与模糊集合338
普通集合上的关系及有关知识351
模糊关系与模糊变换355
模糊度和特征提取与选择359
模糊识别的基本方法362
基于模糊相似矩阵的分类方法366
模糊C-均值聚类算法367
最大树法模式识别378
几何图形的模糊识别380
文献简评 应用简介382
习题382
参考文献383
第九章 神经网络在模式识别中的应用385
人工神经网络的基本知识385
前向型人工神经网络389
BP网的性能和学习改进400
Hopfield网络415
随机神经网络424
自适应共振理论神经网络435
自组织特征映射神经网络438
模糊神经网络442
概率神经网络446
RCE神经网络447
文献简评 应用简介448
习题449
上机练习450
参考文献451
第十章 信息融合454
概述454
融合技术层次性及融合系统功能模块和结构455
关于信息融合的熵理论462
观测不相关的分布式最小损失准则下的检测与决策融合467
观测相关的决策融合475
N-P准则下的决策融合479
分布式检测决策融合全局最优概述及某些约束条件下最优解481
D-S证据理论的融合算法485
文献简评 应用简介491
习题492
参考文献492
第十一章 结构模式识别495
结构模式识别概述495
形式语言496
高维文法与随机文法500
模式的描述507
句法分析512
文法推断532
文献简评 应用简介548
习题548
参考文献554
第十二章 智能化方法555
人工智能555
专家系统555
知识的表示558
智能推理技术563
不确定性推理572
文献简评 应用简介599
习题599
参考文献602
第十三章 树分类器604
树分类器原理604
树分类器的设计原则607
树分类器的关键技术608
决策树生成算法614
文献简评 应用简介618
习题619
上机练习621
参考文献622
第十四章 支持矢量机624
最优化的分析方法原理624
最优分类界面629
广义最优分类界面633
最优界面与广义最优界面分类性能的统计特性636
支持矢量机（SVM）637
基于Adaboost的SVM组合646
文献简评 应用简介650
习题650
参考文献650
第十五章 基于隐马尔可夫模型识别方法653
一阶马尔可夫模型（MM）653
一阶隐马尔可夫模型（HMM）653
可见序列概率估计655
隐状态估计658
模型参数估计659
隐马尔可夫模型方法模式识别661
文献简评 应用简介662
习题662
参考文献664
第十六章 子空间模式识别方法666
概述666
子空间 投影667
子空间判别法673
线性回归模型法676
正交子空间法676
Kohonen学习子空间法679
子空间的平均学习法684
文献简评 应用简介686
习题687
参考文献687
第十七章 机器统计学习理论689
机器统计学习理论概述689
经验风险最小化设计690
经验风险最小化原则的一致性条件692
最优指示函数判决风险的界699
训练序列的长度和识别率估计精度的关系704
结构风险最小化707
文献简评 应用简介711
习题711
参考文献712