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](https://www.shukui.net/cover/33/34980185.jpg)
- 孙即祥,姚伟,腾书华编著 著
- 出版社: 北京:国防工业出版社
- ISBN:9787118064339
- 出版时间:2009
- 标注页数:280页
- 文件大小:9MB
- 文件页数:292页
- 主题词:模式识别
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 引论1
1.1 概述1
1.1.1 模式识别的概念1
1.1.2 模式识别系统2
1.1.3 模式识别的基本方法4
1.2 特征矢量和特征空间6
1.3 随机矢量的描述7
1.4 正态分布12
1.4.1 正态分布的定义12
1.4.2 多元正态分布的性质14
第2章 聚类分析及最近邻方法19
2.1 聚类分析的概念19
2.1.1 聚类分析的基本思想19
2.1.2 特征量20
2.1.3 方法的有效性20
2.2 模式相似性测度22
2.2.1 距离测度(差值测度)23
2.2.2 相似测度26
2.2.3 匹配测度28
2.3 类间距离30
2.3.1 类间距离测度方法30
2.4 准则函数32
2.4.1 点与集合间的距离32
2.4.2 聚类的准则函数35
2.5 聚类的算法39
2.5.1 聚类的技术方案39
2.5.2 基于相似性阈值的简单聚类方法39
2.5.3 谱系聚类法42
2.5.4 动态聚类法(Dynamic clustering algoithm)46
2.5.5 近邻函数法55
2.6 最近邻方法58
2.6.1 最近邻法59
2.6.2 剪辑最近邻法59
2.6.3 引入拒绝类别决策的最近邻法62
习题63
算法编程66
第3章 判别域代数界面方程法69
3.1 判别域界面方程分类的概念69
3.2 线性判別函数70
3.2.1 两类问题71
3.2.2 多类问题71
3.3 判别函数值的鉴別意义、权空间及解空间77
3.3.1 判别函数值的大小、正负的数学意义77
3.3.2 权空间、解矢量与解空间79
3.4 Fishe线性判别81
3.5 线性可分条件下判别函数权矢量算法86
3.5.1 感知器算法86
3.5.2 一次准则函数及梯度下降法89
3.5.3 感知器训练算法在多类问题中的应用92
3.6 一般情况下的判别函数权矢量算法94
3.6.1 分段二次准则函数及共轭梯度法95
3.6.2 最小平方误差准则及W-H算法97
3.6.3 H-K(Ho-Kashyap)算法99
3.7 广义线性判别函数102
3.8 二次判别函数105
3.9 位势函数分类法106
3.9.1 位势函数的概念106
3.9.2 由位势函数产生判别函数的训练算法及分类规则108
3.10 支持矢量机简介111
习题115
算法编程116
第4章 统计判决118
4.1 最小误判概率准则判决119
4.1.1 最小误判概率准则判决的一般形式119
4.1.2 正态模式最小误判概率判决规则的具体形式125
4.1.3 正态模式分类的误判概率130
4.2 最小损失准则判决134
4.2.1 损失概念、损失函数与平均损失134
4.2.2 最小损失准则判决136
4.3 最小最大损失准则140
4.4 N-P(Neyman-Pearson)判决144
4.5 序贯判决(SPRD)149
4.5.1 控制误判概率的序贯判决150
4.5.2 计入提取特征代价的最小损失准则下的序贯判决154
习题155
算法编程161
第5章 统计决策中的经典学习方法164
5.1 统计推断概述164
5.2 参数估计166
5.2.1 均值矢量和协方差阵的矩法估计166
5.2.2 最大似然估计(MLE)169
5.2.3 贝叶斯估计(BE)171
5.2.4 最大似然估计和贝叶斯估计的性能比较173
5.3 贝叶斯学习174
5.4 概密的窗函数估计法178
5.4.1 概密的基本估计式178
5.4.2 Parzen窗法180
5.4.3 kN—近邻估计法181
5.4.4 后验概率的估计182
5.5 有限项正交函数级数逼近法183
5.5.1 最小积分平方差逼近方法183
5.5.2 最小均方差逼近方法186
5.6 用位势函数法逼近贝叶斯判决函数187
5.7 错误率估计189
5.7.1 分类器错误率的实验估算基本原理189
5.7.2 样本抽取方式对误判概率估计的影响190
5.7.3 训练与测试样本集的大小对错误率的影响191
5.7.4 训练样本使用技术及错误率的测试方法192
习题193
算法编程197
第6章 特征提取与选择201
6.1 概述201
6.2 类别可分性判据202
6.2.1 基于几何距离的可分性判据203
6.2.2 基于类的概率密度函数的可分性判据207
6.2.3 基于后验概率的可分性判据209
6.3 基于可分性判据进行变换的特征提取211
6.3.1 基于离差阵的特征提取211
6.3.2 多类情况213
6.3.3 基于熵概念的某些特征提取与选择方法214
6.4 最佳鉴别矢量的提取214
6.4.1 Fisher鉴别矢量及鉴别平面215
6.4.2 最佳鉴别矢量集217
6.5 离散K-L变换及其在特征提取与选择中的应用218
6.5.1 离散K-L变换(DKLT)219
6.5.2 离散K-L变换在特征提取与选择中的应用223
6.6 特征选择中的直接挑选法230
6.6.1 次优搜索法230
6.6.2 最优搜索法233
习题235
第7章 其他模式识别方法238
7.1 模糊模式识别238
7.1.1 模糊数学基础知识238
7.1.2 模糊模式识别的基本方法244
7.2 神经网络在模式识别中的应用246
7.2.1 人工神经网络的基本知识246
7.2.2 常见的神经网络模型250
7.3 句法模式识别253
7.3.1 句法模式识别概述253
7.3.2 形式语言介绍254
7.3.3 句法模式识别的基本内容259
7.4 信息融合260
7.4.1 信息融合概述260
7.4.2 融合技术层次性及融合系统功能模块和结构261
7.5 树分类器268
7.5.1 树分类器原理及设计原则269
7.5.2 树分类器关键技术270
7.5.3 决策树生成算法271
习题276
参考文献278