掃一掃
關注中圖網
官方微博
¥10.6(2.4折)?
預估到手價是按參與促銷活動、以最優惠的購買方案計算出的價格（不含優惠券部分），僅供參考，未必等同于實際到手價。
促銷活動:
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
現代模式識別 版權信息
- ISBN：9787810246057
- 條形碼：9787810246057 ; 978-7-81024-605-7
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
現代模式識別 本書特色
分類識別是人類*重要的基本活動之一，在人類的日常生活、社會活動、科研生產以及學習、工作中無時無處不在進行著分類識別。模式識別是研究分類識別理論和方法的科學，是一門綜合性、交叉性學科。在理論上它涉及代數學、矩陣論、概率論、圖論、模糊數學、*優化理論等等眾多學科的知識，在應用上又與其他許多領域的工程技術密切相關，其內涵可以概括為信息處理、分析與決策，它既是人工智能研究領域的重要分支，又是實現機器智能必不可少的技術手段。該學科的理論任務是運用一切相關科技研發分類識別的理論和方法，而其應用目標是創造能進行分類識別決策的智能機器系統以代替人類的分類識別工作。自80年代以來，它始終受到學術界和各應用領域的極大重視，計算機軟、硬件技術的日臻成熟及其他相關學科的迅速發展更使它成為理論研究和技術開發的熱門學科，其重要的學術價值和廣泛的應用范圍使得人們越來越認識到該課程的重要性，也吸引了各領域的科研人員投入極高的學習熱情。近十幾年來，與模式識別相關的理論專著、論文、科研成果層出不窮，使得該學科得以豐富和發展，形成了許多大類的模式識別理論、方法。但是現在多數著作只涉及一至兩類模式識別知識的介紹，多學科、多視角、多層次地介紹該學科知識的著作不多，能兼顧教學使用和科研參考的高校教材也較少，因此有必要將該學科涉及到的基本理論、基本方法原理以及當代發展成熟的理論技術進行沉淀、提煉、歸納、整合，讓讀者能較系統地掌握本學科的理論精髓，較全面地了解和掌握相關技術，這也正是我們撰寫本書的初衷和希望本書能實現的目標。
現代模式識別 內容簡介
《現代模式識別》系統深入地論述了模式識別的理論與方法，較全面地反映了本學科的新近科技成果。全書分12章，討論的主流模式識別技術是：統計模式識別、模糊模式識別、神經網絡技術、人工智能方法、句法模式識別。
現代模式識別 目錄
**章 引 論
1. 1 概論
1. 2 特征矢量和特征空間
1. 3 隨機矢量的描述
1. 4 正態分布
參考文獻
第二章 聚類分析
2. 1 聚類分析的概念
2. 2 模式相似性測度
2. 3 類的定義與類間距離
2. 4 聚類的算法
習題
參考文獻
第三章 判別域代數界面方程法
3. 1 用判別域界面方程分類的概念
3. 2 線性判別函數
3. 3 判別函數值的鑒別意義. 權空間及解空間
3. 4 Fisher線性判別
3. 5 一次準則函數及梯度下降法
3. 6 二次準則函數及其解法
3. 7 線性規劃方法
3. 8 線性二分能力(Linear dichotomies)
3. 9 廣義線性判別函數
3. 10 二次判別函數
3. 11 分段線性判別函數
3. 12 位勢函數分類法
習題
參考文獻
第四章 統計判決
4. 1 *小誤判概率準則判決
4. 2 *小損失準則判決
4. 3 *小*大損失準則判決
4. 4 N-P(Neyman-Pearson)判決
4. 5 序貫判決
4. 6 Fisher準則判決
習題
參考文獻
第五章 統計決策中的訓練. 學習與錯誤率測試. 估訐
5. 1 統計推斷概述
5. 2 參數估計
5. 3 貝葉斯學習
5. 4 概率密度的窗函數估計法及kN-近鄰法
5. 5 有限項正交函數級數逼近法
5. 6 用位勢函數法逼近貝葉斯判決函數
5. 7 隨機逼近方法求類的后驗概率
5. 8 統計決策準則下線性判決函數的訓練生成
5. 9 錯誤率測試
5. 10 平均損失及*小誤判概率的估計方法
5. 11 經驗風險設計
習題
參考文獻
第六章 *近鄰方法
6. 1 *近鄰法
6. 2 剪輯*近鄰法
6. 3 引入拒絕決策的*近鄰法
6. 4 *近鄰法中的*佳距離及其實際計算
習題
參考文獻
第七章 特征提取與選擇
7. 1 概述
7. 2 類別可分性判據
7. 3 基于可分性判據進行變換的特征提取與選擇
7. 4 *佳鑒別矢量的提取
7. 5 離散K-L變換及其在特征提取與選擇中的應用
7. 6 基于決策界的特征提取
7. 7 特征選擇中的直接挑選法
習題
參考文獻
第八章 模糊模式識別
8. 1 引言
8. 2 普通集合與模糊集合
8. 3 普通集合中的關系及有關知識
8. 4 模糊關系與模糊變換
8. 5 模糊度與特征提取和選擇
8. 6 模糊識別的基本方法
習題
參考文獻
第九章 神經網絡在模式識別中的應用
9. 1 人工神經網絡的基本知識
9. 2 前向型人工神經網絡
9. 3 BP網的結構性能和學習改進
9. 4 Hopfield網絡
9. 5 隨機神經網絡
9. 6 自適應共振理論神經網絡
9. 7 自組織特征映射神經網絡
9. 8 模糊神經網絡
習題
參考文獻
第十章 信息融合
10. 1 概述
10. 2 融合技術的層次性及融合系統的功能模塊和結構
10. 3 關于信息融合的熵理論
10. 4 觀測不相關的分布式*小損失準則下的檢測與決策融合
10. 5 觀測相關的決策融合
10. 6 N-P準則下的數據融合
10. 7 分布式檢測決策融合的全局*優概述及某些約束條件下的*優解
10. 8 D-S證據理論融合算法
參考文獻
第十一章 句法模式識別
11. 1 句法模式識別概述
11. 2 形式語言
11. 3 高維文法與隨機文法
11. 4 模式的描述
11. 5 句法分析
11. 6 文法推斷
參考文獻
第十二章 智能化方法
12. 1 人工智能簡述
12. 2 專家系統
12. 3 知識的表示
12. 4 智能推理技術
12. 5 不確定性推理
參考文獻
1. 1 概論
1. 2 特征矢量和特征空間
1. 3 隨機矢量的描述
1. 4 正態分布
參考文獻
第二章 聚類分析
2. 1 聚類分析的概念
2. 2 模式相似性測度
2. 3 類的定義與類間距離
2. 4 聚類的算法
習題
參考文獻
第三章 判別域代數界面方程法
3. 1 用判別域界面方程分類的概念
3. 2 線性判別函數
3. 3 判別函數值的鑒別意義. 權空間及解空間
3. 4 Fisher線性判別
3. 5 一次準則函數及梯度下降法
3. 6 二次準則函數及其解法
3. 7 線性規劃方法
3. 8 線性二分能力(Linear dichotomies)
3. 9 廣義線性判別函數
3. 10 二次判別函數
3. 11 分段線性判別函數
3. 12 位勢函數分類法
習題
參考文獻
第四章 統計判決
4. 1 *小誤判概率準則判決
4. 2 *小損失準則判決
4. 3 *小*大損失準則判決
4. 4 N-P(Neyman-Pearson)判決
4. 5 序貫判決
4. 6 Fisher準則判決
習題
參考文獻
第五章 統計決策中的訓練. 學習與錯誤率測試. 估訐
5. 1 統計推斷概述
5. 2 參數估計
5. 3 貝葉斯學習
5. 4 概率密度的窗函數估計法及kN-近鄰法
5. 5 有限項正交函數級數逼近法
5. 6 用位勢函數法逼近貝葉斯判決函數
5. 7 隨機逼近方法求類的后驗概率
5. 8 統計決策準則下線性判決函數的訓練生成
5. 9 錯誤率測試
5. 10 平均損失及*小誤判概率的估計方法
5. 11 經驗風險設計
習題
參考文獻
第六章 *近鄰方法
6. 1 *近鄰法
6. 2 剪輯*近鄰法
6. 3 引入拒絕決策的*近鄰法
6. 4 *近鄰法中的*佳距離及其實際計算
習題
參考文獻
第七章 特征提取與選擇
7. 1 概述
7. 2 類別可分性判據
7. 3 基于可分性判據進行變換的特征提取與選擇
7. 4 *佳鑒別矢量的提取
7. 5 離散K-L變換及其在特征提取與選擇中的應用
7. 6 基于決策界的特征提取
7. 7 特征選擇中的直接挑選法
習題
參考文獻
第八章 模糊模式識別
8. 1 引言
8. 2 普通集合與模糊集合
8. 3 普通集合中的關系及有關知識
8. 4 模糊關系與模糊變換
8. 5 模糊度與特征提取和選擇
8. 6 模糊識別的基本方法
習題
參考文獻
第九章 神經網絡在模式識別中的應用
9. 1 人工神經網絡的基本知識
9. 2 前向型人工神經網絡
9. 3 BP網的結構性能和學習改進
9. 4 Hopfield網絡
9. 5 隨機神經網絡
9. 6 自適應共振理論神經網絡
9. 7 自組織特征映射神經網絡
9. 8 模糊神經網絡
習題
參考文獻
第十章 信息融合
10. 1 概述
10. 2 融合技術的層次性及融合系統的功能模塊和結構
10. 3 關于信息融合的熵理論
10. 4 觀測不相關的分布式*小損失準則下的檢測與決策融合
10. 5 觀測相關的決策融合
10. 6 N-P準則下的數據融合
10. 7 分布式檢測決策融合的全局*優概述及某些約束條件下的*優解
10. 8 D-S證據理論融合算法
參考文獻
第十一章 句法模式識別
11. 1 句法模式識別概述
11. 2 形式語言
11. 3 高維文法與隨機文法
11. 4 模式的描述
11. 5 句法分析
11. 6 文法推斷
參考文獻
第十二章 智能化方法
12. 1 人工智能簡述
12. 2 專家系統
12. 3 知識的表示
12. 4 智能推理技術
12. 5 不確定性推理
參考文獻
展開全部
現代模式識別 相關資料
商品評論(3條)
- 主題：紙張比較差，封面很薄
很容易卷。印刷淡，加上這個紙張質量，莫非是學生學完就扔的意思？但是其實書26cm，比其他的模式識別教材厚不少，內容較全或者說比較雜，而且也不難，其實只要大一高數程度的數學就夠用了。
- 主題：現代模式識別
本書系統深入地論述了模式識別的理論與方法，較全面地反映了本學科的新近科技成果。全書分12章，討論的主流模式識別技術是：統計模式識別、模糊模式識別、神經網絡技術、人工智能方法、句法模式識別。
書友推薦
- >
中國歷史的瞬間
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
月亮與六便士
- >
伯納黛特,你要去哪(2021新版)
- >
姑媽的寶刀
- >
小考拉的故事-套裝共3冊
- >
上帝之肋:男人的真實旅程
- >
煙與鏡
本類暢銷
