图书介绍
模式识别PDF|Epub|txt|kindle电子书版本网盘下载
- 赵宇明，熊惠霖，周越等编著 著
- 出版社： 上海：上海交通大学出版社
- ISBN：9787313102461
- 出版时间：2013
- 标注页数：172页
- 文件大小：36MB
- 文件页数：183页
- 主题词：模式识别－教材
PDF下载
下载说明
模式识别PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1模式识别概论1
1.1.1模式识别基本概念1
1.1.2模式识别系统的组成2
1.1.3模式识别方法3
1.2模式识别数学基础5
1.2.1随机向量5
1.2.2正态分布7
第2章 判别函数方法10
2.1引言10
2.2线性判别函数10
2.2.1两类的线性判别10
2.2.2多类的线性判别11
2.3 Fisher判别分析法12
2.3.1 Fisher判别分析12
2.3.2多重判别分析15
2.4广义线性判别函数16
2.4.1一维的例子16
2.4.2多维的例子17
2.5感知准则函数和梯度下降法18
2.5.1基本概念18
2.5.2梯度下降法19
2.5.3感知器准则函数20
2.6最小平方误差准则函数21
2.6.1 MSE准则函数及其伪逆解21
2.6.2伪逆法22
2.6.3梯度下降法22
2.6.4 Widrow-Hoff算法22
2.7适合于多类直接分类的决策树方法23
2.7.1评价准则24
2.7.2基于信息熵的信息增益25
2.7.3 ID3决策树算法的递归描述25
2.7.4 ID3算法举例26
习题27
第3章Bayes决策理论29
3.1最小错误率贝叶斯决策29
3.2最小风险的贝叶斯决策31
3.3正态分布的贝叶斯分类器32
3.3.1各类协方差都相等，且各分量相互独立情况33
3.3.2各类协方差都相等，但各分量不相互独立情况33
3.3.3一般情况34
3.3.4数字实例36
3.4纽曼-皮尔逊（Neyman-Pearson，NP）决策规则37
3.5最小最大决策40
习题42
第4章 错误率以及密度函数的估计43
4.1错误率43
4.1.1正态、等协方差情况下贝叶斯分类器错误率公式43
4.1.2错误率的上界45
4.1.3错误率的实验估计49
4.2密度函数估计——参数法52
4.2.1最大似然估计52
4.2.2逐次的贝叶斯估计和贝叶斯学习55
习题59
第5章 近邻分类法61
5.1单中心点情况61
5.2多中心点情况62
5.3最近邻法62
5.4 K近邻法66
5.5最近邻法的缺点及改进方法67
5.5.1剪辑近邻法67
5.5.2凝聚法68
习题68
第6章 聚类分析70
6.1距离及相似性度量71
6.2聚类准则72
6.2.1离差平方和准则72
6.2.2离散度准则73
6.3系统聚类法75
6.3.1最短距离法76
6.3.2最长距离法和中间距离法76
6.3.3重心法、类平均和可变类平均法77
6.3.4离差平方和法79
6.3.5系统聚类法的性质81
6.4动态聚类法83
6.4.1 K-means算法83
6.4.2 ISODATA算法85
习题88
第7章 特征选择90
7.1维数问题和类内距离90
7.1.1维数问题90
7.1.2类内距离91
7.2集群变换93
7.2.1集群变换的基本思想93
7.2.2用集群变换进行特征选择95
7.2.3集群变换的例子97
7.3 K-L变换99
7.3.1从表达模式看K-L变换99
7.3.2 K-L变换举例101
7.3.3混合白化后抽取特征103
7.3.4混合白化后抽取特征的例子105
7.4分散度106
7.4.1分散度的概念107
7.4.2分散度用于特征选择111
习题118
第8章 支持向量机理论120
8.1引言120
8.2支持向量机理论的数学基础120
8.2.1无约束极值120
8.2.2等式约束下的条件极值与Lagrange函数法120
8.2.3不等式约束下的优化问题121
8.3最大间隔分类器123
8.3.1最大间隔线性分类器123
8.3.2广义最大间隔线性分类器125
8.4支持向量机127
8.4.1核函数与核技巧（Kernel Trick）127
8.4.2支持向量机129
8.4.3多类问题的支持向量机分类130
8.4.4支持向量机的实现方法和软件包131
第9章 人工神经网络132
9.1人工神经网络概述132
9.1.1引言132
9.1.2人工神经网络基础133
9.2前馈神经网络及其主要算法137
9.2.1 MP模型137
9.2.2感知器模型138
9.2.3前馈神经网络139
9.2.4反向传播算法（BP法）139
9.2.5径向基函数网络142
9.3反馈网络——Hopfield网络143
9.3.1 Hopfield网络概述143
9.3.2离散Hopfield网络（DHNN）144
9.3.3联想存储器145
9.3.4优化计算146
9.3.5连续Hopfield网络（CHNN）146
9.4自适应共振理论神经网络147
9.4.1概述147
9.4.2 ART网络的结构及原理147
9.4.3 ART1网络算法步骤150
9.5自组织特征映射神经网络151
9.5.1概述151
9.5.2 SOFM网络模型及功能151
9.5.3 SOFM网络原理152
第10章 基于隐马尔科夫模型的识别方法156
10.1一阶马尔科夫模型（MM）156
10.2一阶隐马尔科夫模型（HMM）157
10.2.1离散马尔科夫过程158
10.2.2隐马尔科夫模型的概念160
10.2.3隐马尔科夫模型的参数162
10.2.4隐马尔科夫模型的三个基本问题163
参考文献172