国产第1页_91在线亚洲_中文字幕成人_99久久久久久_五月宗合网_久久久久国产一区二区三区四区

讀書月攻略拿走直接抄！
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
模式識(shí)別基礎(chǔ)理論及其計(jì)算機(jī)視覺應(yīng)用

包郵 模式識(shí)別基礎(chǔ)理論及其計(jì)算機(jī)視覺應(yīng)用

出版社：西安電子科技大學(xué)出版社出版時(shí)間：2020-07-01
開本： 26cm 頁(yè)數(shù)： 176頁(yè)
中 圖 價(jià):¥33.4(7.4折) 定價(jià)  ¥45.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
開年大促， 全場(chǎng)包郵
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

模式識(shí)別基礎(chǔ)理論及其計(jì)算機(jī)視覺應(yīng)用 版權(quán)信息

模式識(shí)別基礎(chǔ)理論及其計(jì)算機(jī)視覺應(yīng)用 本書特色

適用一流大學(xué)。 本書系統(tǒng)地介紹了模式識(shí)別的基本原理和其在計(jì)算機(jī)視覺中的具體應(yīng)用。 作者是江蘇省計(jì)算機(jī)學(xué)會(huì)圖形圖像專業(yè)委員會(huì)委員及模式識(shí)別專業(yè)委員會(huì)委員、中國(guó)計(jì)算機(jī)學(xué)會(huì)高級(jí)會(huì)員，潛力股。

模式識(shí)別基礎(chǔ)理論及其計(jì)算機(jī)視覺應(yīng)用 內(nèi)容簡(jiǎn)介

本書系統(tǒng)地介紹了模式識(shí)別的基本原理和其在計(jì)算機(jī)視覺中的具體應(yīng)用。本書內(nèi)容包括模式識(shí)別與計(jì)算機(jī)視覺概述、距離分類器、神經(jīng)網(wǎng)絡(luò)分類器、聚類分析、蟻群和粒子群聚類算法、時(shí)序模型、圖像匹配、圖像分類與分割以及視頻動(dòng)作識(shí)別。

模式識(shí)別基礎(chǔ)理論及其計(jì)算機(jī)視覺應(yīng)用 目錄

導(dǎo)論
**章 模式識(shí)別與計(jì)算機(jī)視覺概述
1．1 概念認(rèn)知
1．1．1 模式識(shí)別
1．1．2 視覺與計(jì)算機(jī)視覺
1．2 模式識(shí)別與計(jì)算機(jī)視覺發(fā)展史
1．2．1 模式識(shí)別發(fā)展史
1．2．2 計(jì)算機(jī)視覺發(fā)展史
1．3 模式識(shí)別的應(yīng)用
1．4 計(jì)算機(jī)視覺發(fā)展方向
1．4．1 目標(biāo)檢測(cè)
1．4．2 圖像語(yǔ)義分割
1．4．3 運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤
1．4．4 三維重建
1．4．5 人體動(dòng)作識(shí)別
本章小結(jié)
習(xí)題
模式識(shí)別理論篇

第二章 分類器
2．1 距離分類器
2．1．1 *近鄰分類及其加速
2．1．2 K近鄰算法
2．1．3 距離和相似性度量
2．2 支持向量機(jī)
2．2．1 *優(yōu)線性判別函數(shù)分類器
2．2．2 支持向量機(jī)的學(xué)習(xí)
2．2．3 核函數(shù)與非線性支持向量機(jī)
2．3 分類器性能評(píng)價(jià)
2．3．1 評(píng)價(jià)指標(biāo)
2．3．2 評(píng)價(jià)方法
本章小結(jié)
習(xí)題

第三章 神經(jīng)網(wǎng)絡(luò)分類器
3．1 神經(jīng)網(wǎng)絡(luò)
3．1．1 神經(jīng)網(wǎng)絡(luò)概述
3．1．2 代價(jià)函數(shù)
3．2 反向傳播算法及其改進(jìn)
3．3 BP神經(jīng)網(wǎng)絡(luò)
3．4 對(duì)偶傳播神經(jīng)網(wǎng)絡(luò)
3．4．1 網(wǎng)絡(luò)結(jié)構(gòu)與運(yùn)行原理
3．4．2 學(xué)習(xí)算法
3．4．3 改進(jìn)CPN
3．4．4 CPN應(yīng)用
3．5 概率神經(jīng)網(wǎng)絡(luò)
3．5．1 模式分類和貝葉斯決策理論
3．5．2 概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
3．5．3 概率神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)
3．6 卷積神經(jīng)網(wǎng)絡(luò)
3．7 深度神經(jīng)網(wǎng)絡(luò)模型
3．7．1 Inception V1模型
3．7．2 Inception V2模型
3．7．3 Inception V3模型
本章小結(jié)
習(xí)題

第四章 聚類分析
4．1 無(wú)監(jiān)督學(xué)習(xí)與聚類
4．1．1 無(wú)監(jiān)督學(xué)習(xí)動(dòng)機(jī)
4．1．2 聚類分析的應(yīng)用
4．1．3 聚類分析的過程
4．1．4 聚類問題的描述
4．2 簡(jiǎn)單聚類方法
4．2．1 順序聚類
4．2．2 *大*小距離聚類
4．3 層次聚類算法
4．4 動(dòng)態(tài)聚類算法
4．4．1 K均值算法理論基礎(chǔ)
4．4．2 K均值算法
4．4．3 K均值算法的改進(jìn)
4．5 模擬退火聚類算法
4．5．1 物理退火過程
4．5．2 模擬退火算法的基本原理
4．5．3 退火方式
4．6 聚類檢驗(yàn)
4．6．1 聚類結(jié)果的檢驗(yàn)
4．6．2 聚類數(shù)的間接選擇
4．6．3 聚類數(shù)的直接選擇
本章小結(jié)
習(xí)題

第五章 蟻群和粒子群聚類算法
5．1 蟻群和粒子群算法簡(jiǎn)介
5．2 蟻群算法
5．2．1 蟻群算法的基本原理
5．2．2 蟻群算法基本流程
5．2．3 蟻群算法的規(guī)則說(shuō)明
5．2．4 TSP的提出
5．2．5 蟻群算法的優(yōu)點(diǎn)和缺點(diǎn)
5．3 粒子群算法
5．3．1 粒子群算法的基本原理
5．3．2 粒子群優(yōu)化方法的一般數(shù)學(xué)模型
5．3．3 粒子群算法的優(yōu)點(diǎn)和缺點(diǎn)
5．4 蟻群算法和粒子群算法的對(duì)比
5．5 改進(jìn)的蟻群算法
5．5．1 帶精英策略的螞蟻系統(tǒng)
5．5．2 基于優(yōu)化排序的螞蟻系統(tǒng)
5．5．3 *大*小螞蟻系統(tǒng)
5．6 粒子群算法的優(yōu)化
5．6．1 基于個(gè)體位置變異的粒子群算法
5．6．2 基于動(dòng)態(tài)鄰域的多目標(biāo)粒子群優(yōu)化算法
5．6．3 基于異維變異的差分混合粒子群算法
本章小結(jié)
習(xí)題

第六章 時(shí)序模型
6．1 時(shí)序分析概述
6．1．1 時(shí)間序列數(shù)據(jù)的相關(guān)概念
6．1．2 時(shí)間序列數(shù)據(jù)預(yù)測(cè)的研究綜述
6．1．3 時(shí)間序列數(shù)據(jù)聚類的研究綜述
6．1．4 面向時(shí)間序列數(shù)據(jù)挖掘技術(shù)的應(yīng)用領(lǐng)域
6．2 隱馬爾可夫模型
6．2．1 HMM適合的情形
6．2．2 HMM的定義
6．2．3 HMM實(shí)例
6．2．4 HMM觀測(cè)序列的生成
6．2．5 HMM的三個(gè)基本問題及其解決
6．3 隱馬爾可夫模型的優(yōu)化
6．3．1 問題描述
6．3．2 改進(jìn)的HMM學(xué)習(xí)算法
6．4 循環(huán)神經(jīng)網(wǎng)絡(luò)及其優(yōu)化
6．4．1 循環(huán)神經(jīng)網(wǎng)絡(luò)概述
6．4．2 循環(huán)神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)
6．4．3 改進(jìn)的循環(huán)神經(jīng)網(wǎng)絡(luò)
6．5 長(zhǎng)短期記憶網(wǎng)絡(luò)及其改進(jìn)
6．5．1 RNN梯度消失問題
6．5．2 長(zhǎng)短期記憶型循環(huán)神經(jīng)網(wǎng)絡(luò)
6．5．3 LSTM型RNN訓(xùn)練過程
6．5．4 LSTM改進(jìn)算法——GRU算法
本章小結(jié)
習(xí)題
計(jì)算機(jī)視覺應(yīng)用篇

第七章 圖像匹配
7．1 圖像匹配及其應(yīng)用
7．2 圖像匹配的要素
7．3 圖像匹配的常用方法
7．3．1 基于圖像特征點(diǎn)的匹配方法
7．3．2 基于圖像灰度信息的匹配方法
7．3．3 基于相位相關(guān)的匹配方法
7．4 特征分布不均勻的圖像精配準(zhǔn)算法
7．4．1 常見圖像配準(zhǔn)方法的一般過程及存在問題
7．4．2 層次配準(zhǔn)方法
7．4．3 粗層次配準(zhǔn)算法
7．4．4 網(wǎng)格化下精配準(zhǔn)算法
7．4．5 特征匹配與融合配準(zhǔn)
7．5 本章小節(jié)
習(xí)題

第八章 圖像分類與分割
8．1 圖像分類及其過程
8．1．1 圖像分類概述
8．1．2 圖像分類流程
8．1．3 圖像分類方法概述
8．2 基于隨機(jī)森林的圖像分類
8．2．1 圖像分類的隨機(jī)森林算法
8．2．2 基于隨機(jī)森林的圖像分類效果及分析
8．3 基于SVM的圖像分類
8．3．1 圖像分類SVM算法
8．3．2 基于SVM的圖像分類效果及分析
8．4 基于深度學(xué)習(xí)的圖像分類
8．4．1 圖像分類CNN模型
8．4．2 基于CNN模型的圖像分類效果及分析
8．5 圖像分割
8．5．1 圖像分割的定義
8．5．2 圖像分割算法概述
8．6 基于閾值法的圖像分割
8．6．1 閾值法的基本原理
8．6．2 基于閾值法的圖像分割方法分類
8．6．3 基于閾值法的圖像分割的實(shí)現(xiàn)
8．7 基于分水嶺算法的圖像分割
8．7．1 分水嶺算法概述
8．7．2 分水嶺算法的原理
8．7．3 基于密度模糊聚類的分水嶺分割算法
8．8 基于蟻群算法的圖像分割
8．8．1 蟻群算法應(yīng)用背景
8．8．2 圖像分割中的特征提取
8．8．3 圖像分割中的蟻群算法
8．8．4 基于蟻群算法的圖像分割效果及分析
本章小結(jié)
習(xí)題

第九章 視頻動(dòng)作識(shí)別
9．1 動(dòng)作識(shí)別概述
9．1．1 動(dòng)作識(shí)別的難點(diǎn)
9．1．3 動(dòng)作識(shí)別流程
9．2 運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)
9．2．1 動(dòng)作視頻分割技術(shù)
9．2．2 動(dòng)作區(qū)域分割技術(shù)
9．3 動(dòng)作特征提取技術(shù)
9．3．1 剪影特征
9．3．2 光流特征
9．3．3 梯度特征
9．3．4 深度特征
9．3．5 CNNs學(xué)習(xí)特征
9．3．6 RNNs學(xué)習(xí)特征
9．4 動(dòng)作特征理解技術(shù)
9．4．1 動(dòng)作時(shí)空表征模板
9．4．2 動(dòng)作分類器
9．5 基于雙流模型卷積神經(jīng)網(wǎng)絡(luò)的動(dòng)作識(shí)別
9．5．1 空間流卷積神經(jīng)網(wǎng)絡(luò)
9．5．2 時(shí)間流卷積神經(jīng)網(wǎng)絡(luò)
9．5．3 時(shí)空網(wǎng)絡(luò)融合策略
9．6 基于多流模型卷積神經(jīng)網(wǎng)絡(luò)的動(dòng)作識(shí)別
9．6．1 Three stream CNNs動(dòng)作識(shí)別模型結(jié)構(gòu)框架
9．6．2 基于Three stream CNNs動(dòng)作識(shí)別的實(shí)現(xiàn)
本章小結(jié)
習(xí)題
參考文獻(xiàn)
展開全部
商品評(píng)論(0條)
暫無(wú)評(píng)論……
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服
主站蜘蛛池模板： 色婷婷综合久久久中文字幕 | 99视频有精品视频免费观看 | 午夜理论片最新午夜理论剧 | 亚洲国产人成在线观看69网站 | 日日摸夜夜添夜夜添一区二区 | 免费a级毛片无码无遮挡 | 久久精品中文騷妇女内射 | 青青国产成人久久激情91麻豆 | 国产成人爱片免费观看视频 | 欧美成人免费tv在线播放 | 欧美一级毛片日本 | 影音先锋女人av鲁色资源网久久 | 日韩欧美国产免费看清风阁 | 亚洲伊人久久精品酒店 | 国产偷国产偷亚洲高清在线 | 欧洲成人免费视频 | 四虎影院新地址 | 两个人的视频观看www | 国产精品a国产精品a手机版 | 开心片色99xxxx | 免费看成人播放毛片 | 五月丁香六月激情综合在线视频 | 1000部夫妻午夜免费 | 欧美国产日韩精品 | 欧美极度丰满熟妇hd | 欧美人成片免费看视频不卡 | 四虎三级 | 最新国产三级在线观看不卡 | 精品无码国产自产拍在线观看蜜 | www.国产视频 | 国产一级黄色影片 | 理论片午午伦夜理片久久 | 精品成人一区二区三区四区 | 久久久久99精品国产片 | 午夜伦4480yy私人影院 | 成人精品视频一区二区三区 | 色狠狠久久av五月综合 | 大地资源网更新免费播放视频 | 久久婷婷五月综合色99啪ak | 国产公妇仑乱在线观看 | 国产日韩精品欧美一区灰 |