图书介绍
模式识别PDF|Epub|txt|kindle电子书版本网盘下载
- 干晓蓉编著 著
- 出版社： 昆明：云南人民出版社
- ISBN：722204857X
- 出版时间：2006
- 标注页数：177页
- 文件大小：5MB
- 文件页数：186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
第一章 绪论1
1.1 模式识别的概念1
1.2 模式识别的方法2
第二章 贝叶斯决策理论4
2.1 最小错误贝叶斯决策规则4
2.2 最小风险贝叶斯决策规则9
2.3 聂曼—皮尔逊决策规则12
2.4 最小最大决策15
2.5 正态分布的统计决策16
2.5.1 多元正态分布17
2.5.2 正态分布模式的贝叶斯分类器18
2.5.3 正态分布且等协方差时的错误率计算20
习题22
第三章 概率密度估计25
（一）参数估计25
3.1 均值向量和协方差矩阵的矩法估计26
3.2 最大似然估计27
3.3 贝叶斯估计30
3.3.1 参数的贝叶斯估计30
3.3.2 概率密度的贝叶斯估计31
3.3.3 递推的贝叶斯估计32
（二）非参数估计37
3.4 直方图法37
3.5 k近邻法38
3.5.1 k近邻法估计密度38
3.5.2 k近邻决策规则39
3.5.3 最近邻决策的错误率40
3.6 用基函数展开法40
3.7 Parzen窗法43
3.7.1 Parzen窗估计法43
3.7.3 估计量？n（x）为密度函数的条件44
3.7.2 窗函数的选择44
3.7.4 窗宽hn对估计量？n（x）的影响45
3.7.5 估计量？（x）的统计性质45
习题47
第四章 线性判别函数50
4.1 线性判别函数的基本概念50
4.1.1 线性判别函数50
4.1.2 两类问题的决策规则和决策面50
4.1.3 广义线性判别函数52
4.1.4 设计线性分类器的主要步骤53
4.2 Fisher线性判别54
4.3 感知器准则函数57
4.3.1 几个基本概念57
4.3.2 感知器准则函数及其梯度下降算法59
4.4.1 平方误差准则函数及其伪逆解63
4.4 最小平方误差准则函数63
4.4.2 与Fisher线性判别的关系65
4.4.3 对贝叶斯判别函数的渐近逼近67
4.4.4 MSE准则函数的梯度下降算法68
4.5 支持向量机69
4.5.1 样本线性可分69
4.5.2 样本线性不可分74
4.6 多类问题75
习题77
第五章 无监督学习和聚类79
5.1 无监督的参数估计79
5.1.1 混合密度及其可辨识性79
5.1.2 最大似然估计80
5.1.3 对混合正态密度的应用83
5.2.1 模式间的相似测度85
5.2 聚类分析的基本概念85
5.2.2 聚类准则函数88
5.3 聚类算法91
5.3.1 层次聚类法92
5.3.2 c-均值算法93
习题97
第六章 特征选择与提取100
6.1 引言100
6.2 基于几何距离的特征提取100
6.2.1 基于距离的类别可分离性判据100
6.2.2 按基于几何距离判据的特征提取方法102
6.3 基于概率分布的特征提取105
6.3.1 基于概率分布的可分性判据105
6.3.2 用散度准则函数JD的特征提取方法108
6.4.1 K-L变换111
6.4 基于K-L变换的特征提取111
6.4.2 基于K-L变换的特征提取113
6.5 特征选择118
6.5.1 最优搜索算法119
6.5.2 次优搜索算法120
习题122
第七章 模糊模式识别124
7.1 引言124
7.2 模糊集合及其运算124
7.2.1 普通集合及其特征函数124
7.2.2 模糊集合的定义及其表示125
7.2.3 模糊集合的基本运算127
7.2.4 模糊集合的λ截集129
7.3 模糊模式识别的一些方法130
7.3.1 模糊模式识别的直接方法130
7.3.2 基于择近原则的模糊模式识别132
7.4 模糊关系135
7.4.1 普通集合间的关系135
7.4.2 模糊关系及模糊矩阵137
7.5 模糊聚类分析141
7.5.1 基于模糊等价关系的聚类方法141
7.5.2 模糊c-均值算法145
习题148
第八章 人工神经网络150
8.1 单层感知器网络150
8.1.1 两类问题150
8.1.2 多类情况152
8.1.3 激励函数152
8.2 前向多层神经网络153
8.2.1 异或问题153
8.2.2 前向多层神经网络的BP算法155
8.2.3 关于BP算法的几点注解159
8.3 广义线性分类器160
8.3.1 广义线性分类器的结构160
8.3.2 高阶神经网络161
8.3.3 径向基函数网络163
附录A 线性代数166
A.1 矩阵运算166
A.2 向量的内积与外积168
A.3 矩阵的本征值与本征向量168
A.4 矩阵的导数170
附录B 多维随机变量173
B.1 二维情形（X,Y）173
B.2 多维情形X=（X1,…,Xd）173
B.3 数学期望、均值向量和协方差矩阵175
参考书目177