✍ Scribed by 李晶皎 赵丽红 王爱侠
No coin nor oath required. For personal study only.
《模式识别》系统阐述了模式识别的原理与方法，并在此基础上介绍了模式识别的应用。全书分为：基础部分和应用部分：基础部分主要包括统计模式识别、模糊模式识别、神经网络模式识别等内容；应用部分有车牌识别和语音识别。《模式识别》将理论与实践相结合，有利于读者加深对理论方法的理解，可使读者比较系统地掌握模式识别的理论和相关技术。书中给出的两个应用实例，为读者应用模式识别方法来解决实际问题提供了具体思路和方法。附录给出的习题解答，有利于学生学习理解原理与方法。
《模式识别》可以作为高等院校自动化、计算机、生物医学工程等学科本科生、研究生的教材或教学参考书，亦可供有关工程技术人员参考。
内容简介
前言
目录
第1章 绪论
1.1 模式和模式识别的概念
1.2 模式识别的研究方法
1.3 模式识别的应用
参考文献
第2章 贝叶斯决策理论
2.1 基于最小错误率的贝叶斯判别法
2.2 基于贝叶斯公式的几种判别规则
2.3 正态分布模式的统计决策
2.4 概率密度函数的估计
2.5 离散情况的贝叶斯决策
2.6 贝叶斯分类器的错误率
习题 2
参考文献
第3章 线性判别函数
3.1 线性判别函数
3.2 广义线性判别函数
3.3 感知器算法
3.4 最小平方误差准则函数
3.5 多类问题
3.6 Fisher线性判别函数
习题 3
参考文献
第4章 模式特征提取与选择
4.1 离散K-L变换
4.2 离散傅里叶变换
4.3 离散余弦和正弦变换
4.4 Hadamard变换
4.5 Haar变换
4.6 小波变换
习题 4
参考文献
第5章 聚类分析
5.1 相似性测度和聚类准则
5.2 聚类算法
5.3 聚类有效性
习题 5
参考文献
第6章 人工神经网络
6.1 人工神经网络的构成
6.2 多层前馈网络学习算法
6.3 联想记忆网络学习算法
6.4 海明网络分类学习算法
6.5 特征映射网络分类学习算法
6.6 前馈网络分类机理
6.7 径向基函数网络
习题 6
参考文献
第7章 支持向量机
7.1 最优分类超平面
7.2 支持向量机的理论基础
7.3 常用的几种支持向量机
7.4 支持向量回归机
习题 7
参考文献
第8章 核函数方法及应用
8.1 核函数的可分性条件
8.2 核函数的参数确定
8.3 核函数的构造方法
8.4 几种核方法
习题 8
参考文献
第9章 模糊模式识别
9.1 模糊数学的基本理论
9.2 模糊模式识别的基本方法
9.3 模糊聚类分析方法
习题 9
参考文献
第10章 模式识别应用
10.1 车牌识别
10.2 语音识别
参考文献
附录A 鸢尾属植物样本数据(Iris Data)
附录B 习题解答
习题2
习题3
习题4
习题5
习题6
习题7
习题8
习题9
📜 SIMILAR VOLUMES
<p>本书是模式识别领域的入门教材，系统阐述了模式识别中的基础知识、主要模型及热门应用，并给出了近年来本领域一些新的成果和观点；通过理论学习和动手实践相结合的形式使初学者能有效入门，并培养独立解决任务的能力，为模式识别的项目开发及相关科研活动打好基础.</p> <p>全书共15章，大致分为五部分：第一部分（第1~4章）介绍了本书的概论和基础知识，包括绪论、数学背景知识、模式识别系统概述以及评估；第二部分（第5~6章）介绍了与领域知识无关的特征提取，包括主成分分析和Fisher线性判别；第三部分（第7~10章）介绍了分类器与其他工具，包括支持向量机、概率方法、距离度量与数据变换、信息论和决策树
<p>《现代模式识别》系统深入地论述了模式识别的理论与方法、较全面地介绍了本学科的新近科技成果。全书共12章，讨论的主流模式识别技术是：统计模式识别、模糊模式识别、神经网络技术、人工智能方法、句法模式识别。第一章为引论，第二章至第七章介绍的统计模式识别包括聚类分析、判别代数界面方程法、统计判决、训练学习与错误率估计、特征提取与选择以及最近邻法，第十一章信息融合集中论述识别与决策中的有关融合技术，第十二章人工智能方法侧重论述不确定推理，其他类型识别方法在其余各章分别介绍。</p>
<p>本书将模式识别与人工智能理论和实际应用相结合，以酒瓶颜色分类为例，介绍各种算法理论及相应的 MATLAB实现程序。全书共分为 10 章,内容包括模式识别概述、贝叶斯分类器设计、判别函数分类器设计、聚类分析、模糊聚类分析、神经网络聚类设计、模拟退火算法聚类设计、遗传算法聚类设计、蚁群算法聚类设计、粒子群算法聚类设计,覆盖了各种常用的模式识别技术。</p> <p>本书可作为高等院校自动化、计算机、电子和通信等专业研究生和高年级本科生的教材,也可作为计算机信息处理、自动控制等相关领域工程技术人员的参考用书。</p>