123,123,123

內(nèi)容簡(jiǎn)介

　　《模式識(shí)別》是在我們十余年來對(duì)大學(xué)本科生和研究生講授《模式識(shí)別》課程的基礎(chǔ)上，結(jié)合近年一些國(guó)外教材和我們的模式識(shí)別研究成果編寫而成，可作為大學(xué)本科和研究生學(xué)習(xí)模式識(shí)別課程的參考書。雖然近年有許多新的模式識(shí)別研究方法提出，但模式識(shí)別的基礎(chǔ)仍是由決策論方法（統(tǒng)計(jì)方法）和結(jié)構(gòu)方法（句法方法）兩大部分構(gòu)成。因此，《模式識(shí)別》主要介紹統(tǒng)計(jì)識(shí)別方法和句法方法的基本理論和方法?！赌Ｊ阶R(shí)別》共有14章，第1章引論，介紹模式識(shí)別的研究?jī)?nèi)容和研究方法；第2章至第6章介紹統(tǒng)計(jì)模式識(shí)別方法；第7章至第11章介紹句法模式識(shí)別方法；第12章介紹把句法模式識(shí)別推廣到句法知識(shí)系統(tǒng)，從而是實(shí)現(xiàn)基于知識(shí)的模式識(shí)別；第13章介紹模糊集論在模式識(shí)別中的應(yīng)用，指出模式識(shí)別的模糊本質(zhì)；第14章介紹人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用，提出用模式識(shí)別的觀點(diǎn)研究究神經(jīng)網(wǎng)絡(luò)，使前饋神經(jīng)網(wǎng)絡(luò)透明化。

作者簡(jiǎn)介

暫缺《模式識(shí)別》作者簡(jiǎn)介

圖書目錄

第1章  引論
1. 1  模式和模式識(shí)別
1. 2  模式識(shí)別的發(fā)展和應(yīng)用
1. 3  模式識(shí)別的研究方法
第2章  線性判別函數(shù)
2. 1  線性判別函數(shù)和決策面
2. 2  感知準(zhǔn)則函數(shù)和梯度下降法
2. 3  固定增量算法及其收斂性
2. 4  最小平方誤差準(zhǔn)則函數(shù)
2. 5  多類情況下的線性判別函數(shù)和固定增量算法
2. 6  分段線性判別函數(shù)
2. 7  Fisher線性判別函數(shù)
2. 8  支持向量機(jī)
第3章  Bayes決策理論
3. 1  最小錯(cuò)誤概率的Bayes決策
3. 2  最小風(fēng)險(xiǎn)的Bayes決策
3. 3  Neyman-Pearson決策
3. 4  最小最大決策
3. 5  Bayes分類器和判別函數(shù)
3. 6  正態(tài)分布時(shí)的Bayes決策法則
3. 7  離散情況的Bayes決策
第4章  概率總體的估計(jì)
4. 1  參數(shù)估計(jì)
4. 1. 1  極大似然估計(jì)
4. 1. 2  Bayes學(xué)習(xí)
4. 2  非參數(shù)技術(shù)
4. 2. 1  概率密度函數(shù)估計(jì)的基本方法
4. 2. 2  Parzen窗法
4. 2. 3  密度函數(shù)估計(jì)值的收斂性
4. 2. 4  應(yīng)用Parzen窗法的一個(gè)例子
4. 2. 5  后驗(yàn)概率的估計(jì)
第5章  近鄰法則和集群
5. 1  近鄰法則
5. 1. 1  近鄰法則的一般概念
5. 1. 2  近鄰法則的錯(cuò)誤率
5. 1. 3  K-近鄰法則
5. 1. 4  關(guān)于近鄰法則的討論
5. 1. 5  快速近鄰算法
5. 2  集群
5. 2. 1  樣本間類似性的度量
5. 2. 2  集群的準(zhǔn)則函數(shù)
5. 2. 3  迭代最優(yōu)化方法
5. 2. 4  等級(jí)集群方法
5. 2. 5  基于近鄰法則的集群算法
第6章  模式特征的抽取和選擇
6. 1  概述
6. 2  離散的Karhunen-Loeve變換
6. 3  多個(gè)分布的特征選擇
6. 4  特征抽取方法舉例
6. 4. 1  手寫體字符識(shí)別的特征抽取
6. 4. 2  心電圖特征的抽取
第7章  結(jié)構(gòu)模式識(shí)別方法和形式語言
7. 1  句法結(jié)構(gòu)模式識(shí)別方法
7. 2  形式語言和短語結(jié)構(gòu)文法
7. 3  正規(guī)語言和有限自動(dòng)機(jī)
7. 4  前后文無關(guān)語言和下推自動(dòng)機(jī)
7. 5  圖靈機(jī)和線性界限自動(dòng)機(jī)
第8章  形式語言在模式識(shí)別中的發(fā)展
8. 1  程序文法
8. 1. 1  應(yīng)用于模式識(shí)別時(shí)各型文法功能的比較
8. 1. 2  前后文無關(guān)程序文法
8. 2  高維模式文法
8. 2. 1  陣列文法
8. 2. 2  矩陣文法
8. 3  PDL文法
8. 4  樹文法
第9章  句法分析
9. 1  句法分析的一般概念
9. 2  正規(guī)語言的句法分析方法
9. 3  算子優(yōu)先算法
9. 4  Cocke-Younger-Kasami算法(CYK算法)
9. 5  Earley算法
9. 6  Earley算法分析
9. 6. 1  Earley算法的實(shí)現(xiàn)
9. 6. 2  Earley算法的改進(jìn)
9. 7  幾種前后文無關(guān)語言句法分析算法的比較
第10章  句法結(jié)構(gòu)模式識(shí)別方法的發(fā)展
10. 1  隨機(jī)文法
10. 1. 1  隨機(jī)文法的概念
10. 1. 2  隨機(jī)有限自動(dòng)機(jī)
10. 1. 3  隨機(jī)文法在模式識(shí)別中的應(yīng)用
10. 1. 4  隨機(jī)文法中產(chǎn)生式概率的估計(jì)
10. 2  屬性文法
10. 2. 1  詞義信息的利用
10. 2. 2  前后文無關(guān)屬性文法
10. 2. 3  利用屬性文法的統(tǒng)計(jì)考慮
10. 2. 4  關(guān)于屬性文法的討論
第11章  文法推斷和基元選擇
11. 1  文法推斷的基本概念
11. 2  正規(guī)文法的推斷
11. 2. 1  規(guī)范確定文法
11. 2. 2  規(guī)范微商文法
11. 2. 3  K-尾文法
11. 3  前后文無關(guān)文法的推斷
11. 3. 1  利用前后文無關(guān)文法的自嵌套特性
11. 3. 2  利用具有結(jié)構(gòu)信息的樣本
11. 4  模式基元的抽取
11. 5  依據(jù)邊界或骨架的模式基元抽取方法
11. 6  依據(jù)區(qū)域的模式基元抽取方法
第12章  句法模式識(shí)別與專家系統(tǒng)的關(guān)系
12. 1  句法模式識(shí)別的進(jìn)一步考慮
12. 2  用句法方法的基于知識(shí)的模式識(shí)別系統(tǒng)
12. 3  句法專家系統(tǒng)的算法
12. 3. 1  ED算法
12. 3. 2  EDS算法
12. 3. 3  ES算法
第13章  模糊集論在模式識(shí)別中的應(yīng)用
13. 1  模糊集論的基本概念
13. 1. 1  模糊性和模糊子集
13. 1. 2  模糊子集的基本運(yùn)算
13. 1. 3  水平截集
13. 1. 4  模糊相關(guān)性的度量
13. 1. 5  模糊關(guān)系及其運(yùn)算
13. 2  模式識(shí)別的模糊本質(zhì)
13. 3  模式識(shí)別的模糊方法
13. 3. 1  隸屬度原則和擇近原則
13. 3. 2  基于模糊等價(jià)關(guān)系的模式分類
13. 3. 3  模糊文法
第14章  人工神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用
14. 1  人工神經(jīng)網(wǎng)絡(luò)概要
14. 1. 1  最簡(jiǎn)單的感知器
14. 1. 2  誤差反向傳播訓(xùn)練算法(BP算法)
14. 2  用模式識(shí)別方法研究神經(jīng)網(wǎng)絡(luò)
14. 2. 1  前饋神經(jīng)網(wǎng)絡(luò)的分解
14. 2. 2  用分段線性劃分研究神經(jīng)網(wǎng)絡(luò)的幾個(gè)問題
14. 3  神經(jīng)網(wǎng)絡(luò)的PLD算法
主要參考文獻(xiàn)