图书介绍

模式识别PDF|Epub|txt|kindle电子书版本网盘下载

模式识别
  • 刘家锋，赵巍，朱海龙，金野编著；唐降龙主审 著
  • 出版社： 哈尔滨：哈尔滨工业大学出版社
  • ISBN：9787560347639
  • 出版时间：2014
  • 标注页数：250页
  • 文件大小：27MB
  • 文件页数：259页
  • 主题词：模式识别

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：efb821bf6a13461e855f292cb6d16709

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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
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 模式识别的应用1

1.2 模式识别系统2

1.3 模式识别方法5

1.4 内容安排6

第2章 距离分类器8

2.1 距离分类器8

2.1.1 距离分类器的一般形式8

2.1.2 模板匹配8

2.1.3 最近邻分类9

2.1.4 最近邻分类器的加速11

2.1.5 K-近邻算法15

2.2 距离和相似性度量23

2.2.1 距离度量24

2.2.2 相似性度量28

2.2.3 Matlab实现28

2.3 分类器性能评价31

2.3.1 评价指标31

2.3.2 评价方法34

本章小结36

习题36

第3章 聚类分析38

3.1 无监督学习与聚类38

3.1.1 为什么要进行无监督学习38

3.1.2 聚类分析的应用39

3.1.3 聚类分析的过程40

3.1.4 聚类问题的描述40

3.2 简单聚类方法42

3.2.1 顺序聚类42

3.2.2 最大最小距离聚类45

3.3 谱系聚类48

3.3.1 谱系聚类合并算法48

3.3.2 算法实现49

3.3.3 谱系聚类分裂算法56

3.4 K-均值聚类57

3.4.1 K-均值算法57

3.4.2 算法的改进62

3.5 聚类检验64

3.5.1 聚类结果的检验64

3.5.2 聚类数的间接选择67

3.5.3 聚类数的直接选择69

本章小结70

习题71

第4章 线性判别函数分类器72

4.1 线性判别函数和线性分类界面72

4.1.1 线性判别函数72

4.1.2 三个断言的证明73

4.2 感知器算法74

4.2.1 感知器准则75

4.2.2 感知器算法76

4.2.3 感知器算法存在的问题81

4.3 最小平方误差算法82

4.3.1 平方误差准则82

4.3.2 最小平方误差算法83

4.4 线性判别函数分类器用于多类别问题86

4.4.1 一对多方式86

4.4.2 一对一方式87

4.4.3 扩展的感知器算法87

4.4.4 感知器网络91

本章小结93

习题94

第5章 特征选择与特征提取95

5.1 类别可分性判据96

5.1.1 基于距离的可分性判据97

5.1.2 基于散布矩阵的可分性判据98

5.2 特征选择100

5.2.1 分支定界法100

5.2.2 次优搜索算法102

5.3 特征提取104

5.3.1 主成分分析104

5.3.2 基于Fisher准则的可分性分析111

本章小结117

习题118

第6章 非线性判别函数分类器120

6.1 广义线性判别函数分类器120

6.1.1 异或问题的非线性判别函数120

6.1.2 多项式判别函数121

6.2 多层感知器网络122

6.2.1 解决XOR问题的多层感知器123

6.2.2 多层感知器的结构124

6.2.3 多层感知器的学习126

6.2.4 多层感知器学习算法的改进133

6.3 支持向量机140

6.3.1 最优线性判别函数分类器140

6.3.2 支持向量机的学习142

6.3.3 核函数与非线性支持向量机148

本章小结154

习题156

第7章 统计分类器及其学习158

7.1 贝叶斯决策理论158

7.1.1 常用的概率表示形式158

7.1.2 最小错误率准则贝叶斯分类器159

7.1.3 最小平均风险准则贝叶斯分类器161

7.2 高斯分布贝叶斯分类器162

7.2.1 高斯分布的判别函数162

7.2.2 朴素贝叶斯分类器164

7.2.3 改进的二次判别函数167

7.3 概率密度函数的参数估计171

7.3.1 最大似然估计171

7.3.2 高斯混合模型173

7.3.3 期望最大化算法179

7.3.4 隐含马尔科夫模型180

7.3.5 贝叶斯估计195

7.4 概率密度函数的非参数估计198

本章小结202

习题203

第8章 模式识别应用系统实例205

8.1 在线手写汉字识别系统205

8.1.1 汉字识别205

8.1.2 方向特征识别方法206

8.1.3 隐马尔科夫模型识别方法208

8.1.4 数据集及系统测试210

8.2 纸币图像识别系统212

8.3 乳腺超声图像识别系统216

本章小结223

附录224

附录A 矢量、矩阵及其导数224

A.1 矩阵和矢量224

A.2 矩阵和矢量的运算224

A.3 矢量与坐标系226

A.4 矩阵和矢量的导数227

附录B 最优化方法228

B.1 直接法求极值229

B.2 梯度法229

B.3 牛顿法231

B.4 拟牛顿法231

B.5 共轭梯度法233

B.6 约束优化235

附录C 概率论237

C.1 离散随机变量和连续随机变量237

C.2 联合概率和条件概率237

C.3 贝叶斯公式237

C.4 全概公式238

附录D 高斯分布参数的极大似然估计238

附录E 高斯混合模型EM算法的迭代公式239

E.1 混合密度模型240

E.2 混合密度模型参数估计的EM迭代公式240

E.3 高斯混合模型参数估计的EM迭代公式242

附录F 一维高斯分布均值的贝叶斯估计243

参考文献246

名词索引247

热门推荐