《主流模式識別技術及其發展研究》是2017年中國水利水電出版社出版的圖書，作者是朱凱。
基本介紹
- 書名：主流模式識別技術及其發展研究
- 作者：朱凱
- ISBN：9787517052975
- 出版社：中國水利水電出版社
- 出版時間：2017-05-01
內容簡介,目錄,
內容簡介
本書以模式識別技術為主題，主要論述了模式識別的代表性方法，並通過一定的套用實例，幫助讀者深入地理解理論方法，掌握模式識別的理論精髓和相關技術。此外，還對模式識別的最新理論成果進行了探討，以反映出學科發展的新進展。本書具體內容包括：統計模式識別中的機率方法、統計模式識別中的聚類方法、結構模式識別中的句法方法、特徵提取與特徵選擇、模糊模式識別方法、神經網路模式識別方法、統計學習理論與支持向量機方法等。
目錄
前言
第1章 引言
1．1 模式與模式識別的概念
1．2 模式識別的研究方法
1．3 模式識別的套用
第2章 統計模式識別中的機率方法
2．1 貝葉斯決策的基本概念
2．2 基於最小錯誤率的貝葉斯決策
2．3 基於最小風險的貝葉斯決策
2．4 常態分配模型的統計決策
2．5 貝葉斯分類器的錯誤率
2．6 聶曼-皮爾遜決策
2．7 機率密度函式的參數估計
2．8 機率密度函式的非參數估計
第3章 統計模式識別中的聚類方法
3．1 聚類分析的概念
3．2 模式相似性測度與聚類準則
3．3 基於距離閾值的聚類法
3．4 層次聚類算法
3．5 動態聚類算法
第4章 結構模式識別中的句法方法
4．1 形式語言基礎
4．2 文法推斷
4．3 句法分析
4．4 句法結構的自動機識別
第5章 特徵提取與特徵選擇
5．1 特徵提取與特徵選擇的基本概念
5．2 類別可分性判據
5．3 基於類別可分性判據的特徵提取
5．4 基於K-L變換的特徵提取
5．5 特徵提取方法
5．6 特徵選擇方法
第6章 模糊模式識別方法
6．1 模糊集
6．2 模糊關係
6．3 模糊模式識別的基本方法
6．4 模糊聚類分析
第7章 神經網路模式識別方法
7．1 人工神經網路的基本原理
7．2 BP神經網路
7．3 徑向基函式神經網路
7．4 Hopfield神經網路
7．5 自組織特徵映射神經網路
第8章 統計學習理論與支持向量機方法
8．1 機器學習的基本問題與方法
8．2 統計學習理論
8．3 支持向量機
參考文獻
第1章 引言
1．1 模式與模式識別的概念
1．2 模式識別的研究方法
1．3 模式識別的套用
第2章 統計模式識別中的機率方法
2．1 貝葉斯決策的基本概念
2．2 基於最小錯誤率的貝葉斯決策
2．3 基於最小風險的貝葉斯決策
2．4 常態分配模型的統計決策
2．5 貝葉斯分類器的錯誤率
2．6 聶曼-皮爾遜決策
2．7 機率密度函式的參數估計
2．8 機率密度函式的非參數估計
第3章 統計模式識別中的聚類方法
3．1 聚類分析的概念
3．2 模式相似性測度與聚類準則
3．3 基於距離閾值的聚類法
3．4 層次聚類算法
3．5 動態聚類算法
第4章 結構模式識別中的句法方法
4．1 形式語言基礎
4．2 文法推斷
4．3 句法分析
4．4 句法結構的自動機識別
第5章 特徵提取與特徵選擇
5．1 特徵提取與特徵選擇的基本概念
5．2 類別可分性判據
5．3 基於類別可分性判據的特徵提取
5．4 基於K-L變換的特徵提取
5．5 特徵提取方法
5．6 特徵選擇方法
第6章 模糊模式識別方法
6．1 模糊集
6．2 模糊關係
6．3 模糊模式識別的基本方法
6．4 模糊聚類分析
第7章 神經網路模式識別方法
7．1 人工神經網路的基本原理
7．2 BP神經網路
7．3 徑向基函式神經網路
7．4 Hopfield神經網路
7．5 自組織特徵映射神經網路
第8章 統計學習理論與支持向量機方法
8．1 機器學習的基本問題與方法
8．2 統計學習理論
8．3 支持向量機
參考文獻
