新書推薦：
《
工程机械手册——钢筋及预应力机械
》
售價：HK$
360.8
《
何以中国·何以大唐：唐帝国与突厥斗争史
》
售價：HK$
85.8
《
自学脉诊：图解《濒湖脉学》
》
售價：HK$
46.2
《
漫画非暴力沟通 好好说话写给孩子的社交话术让你的学习和生活会更加快乐正面管教的方式方法 教会父母如何正确教育叛逆期孩子 用引导性语言教育青少年男孩女孩 帮助孩子拥有健康心理的沟通方法
》
售價：HK$
54.8
《
氢能利用关键技术系列--氢能材料
》
售價：HK$
393.8
《
（海洋命运共同体构建 理论与实践）构建中国——东盟“蓝色伙伴关系”研究
》
售價：HK$
107.8
《
匠艺与生活：海南黎族的工艺文化
》
售價：HK$
107.8
《
我本富足
》
售價：HK$
74.8
|
| 內容簡介： |
|
本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。本书第5版在现有版本的基础上做了优化，改动量为30%，篇幅由之前的13章压缩到11章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器设计，聚类分析，遗传算法聚类分析，群体智能算法分析等。本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码，为广大研究工作者和工程技术人员对相关理论的应用提供借鉴。
|
| 關於作者： |
|
杨淑莹，天津理工大学计算机科学与工程学院教授，全国优秀教师，天津市教学名师。多年来，杨教授坚守教学一线，承担“数字图像处理”、“模式识别”等课程的教学任务。她刻苦钻研算机视觉、模式识别等前沿技术，承担多项省部级以上科研项目，获得省部级科技进步奖2项。重构教学内容，将跨学科知识点与项目融合，经典与前沿技术融合，实践体系与项目案例融合，主讲课程被评为国家级线上线下混合式一流课程和国家级精品课。
|
| 目錄：
|
第１ 篇 基 础 篇
第１ 章 模式识别概述 ………………………………………………………………………… ２
１ １ 模式识别的基本概念……………………………………………………………………… ２
１ ２ 统计模式识别 …………………………………………………………………………… ５
１ ２ １ 统计模式识别研究的主要问题 …………………………………………………… ５
１ ２ ２ 统计模式识别方法简介…………………………………………………………… ６
１ ３ 分类分析 ………………………………………………………………………………… ９
１ ３ １ 分类器设计 ……………………………………………………………………… ９
１ ３ ２ 分类器的选择…………………………………………………………………… １１
１ ３ ３ 训练与学习 …………………………………………………………………… １２
１ ４ 聚类分析 ……………………………………………………………………………… １２
１ ４ １ 聚类的设计 …………………………………………………………………… １３
１ ４ ２ 基于试探法的聚类设计 ………………………………………………………… １４
１ ４ ３ 基于群体智能优化算法的聚类设计 ……………………………………………… １５
１ ５ 模式识别的应用 ………………………………………………………………………… １６
本章小结……………………………………………………………………………………… １６
习题 １ ……………………………………………………………………………………… １７
第２ 章 特征的选择与优化 …………………………………………………………………… １８
２ １ 特征空间优化设计问题 ………………………………………………………………… １８
２ ２ 样本特征库初步分析 …………………………………………………………………… １９
２ ３ 样本筛选处理 …………………………………………………………………………… ２０
２ ４ 特征筛选处理 …………………………………………………………………………… ２０
２ ５ 特征评估 ……………………………………………………………………………… ２２
２ ６ 基于主成分分析的特征提取……………………………………………………………… ２４
２ ７ 特征空间描述与分布分析 ……………………………………………………………… ２７
２ ７ １ 特征空间描述…………………………………………………………………… ２７
２ ７ ２ 特征空间分布分析 ……………………………………………………………… ３２
２ ８ 手写数字特征提取与空间分布分析 ……………………………………………………… ３５
２ ８ １ 手写数字特征提取 ……………………………………………………………… ３５
２ ８ ２ 手写数字特征空间分布分析 …………………………………………………… ３６
本章小结……………………………………………………………………………………… ４１
习题 ２ ……………………………………………………………………………………… ４１
Ⅴ
第３ 章 模式相似性测度 ……………………………………………………………………… ４２
３ １ 模式相似性测度的基本概念……………………………………………………………… ４２
３ ２ 距离测度分类法 ………………………………………………………………………… ４５
３ ２ １ 模板匹配法 …………………………………………………………………… ４５
３ ２ ２ 基于 ＰＣＡ 的模板匹配法 ………………………………………………………… ４７
３ ２ ３ 马氏距离分类…………………………………………………………………… ４９
本章小结……………………………………………………………………………………… ５１
习题 ３ ……………………………………………………………………………………… ５１
第２ 篇 分类器设计篇
第４ 章 基于概率统计的贝叶斯分类器设计 ………………………………………………… ５３
４ １ 贝叶斯决策的基本概念 ………………………………………………………………… ５３
４ １ １ 贝叶斯决策所讨论的问题 ……………………………………………………… ５３
４ １ ２ 贝叶斯公式 …………………………………………………………………… ５４
４ ２ 基于最小错误率的贝叶斯决策…………………………………………………………… ５６
４ ３ 基于最小风险的贝叶斯决策……………………………………………………………… ５９
４ ４ 贝叶斯决策比较 ………………………………………………………………………… ６１
４ ５ 基于最小错误率的贝叶斯分类实现 ……………………………………………………… ６２
４ ６ 基于最小风险的贝叶斯分类实现 ………………………………………………………… ６６
本章小结……………………………………………………………………………………… ６９
习题 ４ ……………………………………………………………………………………… ６９
第５ 章 判别函数分类器设计 ………………………………………………………………… ７０
５ １ 判别函数的基本概念 …………………………………………………………………… ７０
５ ２ 线性判别函数的概念 …………………………………………………………………… ７１
５ ３ 线性判别函数的实现 …………………………………………………………………… ７５
５ ４ 感知器算法……………………………………………………………………………… ７６
５ ５ 增量校正算法 …………………………………………………………………………… ８３
５ ６ ＬＭＳＥ 分类算法 ………………………………………………………………………… ８９
５ ７ Ｆｉｓｈｅｒ 分类 ……………………………………………………………………………… ９２
５ ８ 基于核的 Ｆｉｓｈｅｒ 分类 …………………………………………………………………… ９６
５ ９ 势函数法 ……………………………………………………………………………… １０３
５ １０ 支持向量机…………………………………………………………………………… １０８
本章小结 …………………………………………………………………………………… １１４
习题 ５ ……………………………………………………………………………………… １１４
第６ 章 神经网络分类器设计 ……………………………………………………………… １１５
６ １ 人工神经网络的基本原理 ……………………………………………………………… １１５
６ １ １ 人工神经元 …………………………………………………………………… １１５
６ １ ２ 人工神经网络模型 …………………………………………………………… １１８
６ １ ３ 神经网络的学习过程…………………………………………………………… １２１
Ⅵ
６ １ ４ 人工神经网络在模式识别问题上的优势………………………………………… １２１
６ ２ ＢＰ 神经网络 …………………………………………………………………………… １２２
６ ２ １ ＢＰ 神经网络的基本概念 ……………………………………………………… １２２
６ ２ ２ ＢＰ 神经网络分类器设计 ……………………………………………………… １２７
６ ３ 径向基函数 （ＲＢＦ） 神经网络 ………………………………………………………… １３２
６ ３ １ 径向基函数神经网络的基本概念 ……………………………………………… １３２
６ ３ ２ 径向基函数神经网络分类器设计 ……………………………………………… １３６
６ ４ 自组织竞争神经网络…………………………………………………………………… １３９
６ ４ １ 自组织竞争神经网络的基本概念 ……………………………………………… １３９
６ ４ ２ 自组织竞争神经网络分类器设计 ……………………………………………… １４１
６ ５ 概率神经网络 （ＰＮＮ） ………………………………………………………………… １４４
６ ５ １ 概率神经网络的基本概念 ……………………………………………………… １４４
６ ５ ２ 概率神经网络分类器设计 ……………………………………………………… １４８
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
