图书介绍

模式识别 原理、方法及应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

模式识别 原理、方法及应用
  • （美）J. P. Marques de Sa著；吴逸飞译 著
  • 出版社： 北京：清华大学出版社
  • ISBN：7302059942
  • 出版时间：2002
  • 标注页数：302页
  • 文件大小：19MB
  • 文件页数：313页
  • 主题词：

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：7cf5bcc796e8a98fee9ef1323096ed42

下载说明

模式识别 原理、方法及应用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 基本概念1

1.1 对象识别1

1.2 模式相似度和模式识别任务3

1.2.1 分类决策3

1.2.2 回归问题6

1.2.3 描述7

1.3 类别、模式和特征9

1.4 模式识别方法12

1.4.1 数据聚类13

1.4.2 统计分类14

1.4.3 神经网络14

1.4.4 结构模式识别15

1.5 模式识别工程16

1.5.1 工程任务16

1.5.2 训练和测试17

1.5.3 模式识别软件18

2.1 决策区域和决策函数21

第2章 模式判别21

2.1.1 广义决策函数23

2.1.2 分类超平面26

2.2 特征空间尺度28

2.3 协方差矩阵33

2.4 主成分39

2.5 特征评价41

2.5.1 图形考察42

2.5.2 分布模型评价43

2.5.3 统计推论检测44

2.6 维数比率问题46

第3章 数据聚类51

3.1 非监督学习分类51

3.2 标准化问题53

3.3 树聚类55

3.3.1 联接规则58

3.3.2 树聚类实例61

3.4 降维问题62

3.5 K均值聚类66

3.6 聚类有效性69

第4章 统计分类75

4.1 线性判别75

4.1.1 最小距离分类器75

4.1.2 欧几里得线性判别78

4.1.3 马氏距离线性判别80

4.1.4 Fisher线性判别83

4.2 贝叶斯分类85

4.2.1 基于最小风险的贝叶斯准则85

4.2.2 正态形式贝叶斯分类92

4.2.3 拒绝区域98

4.2.4 维数比率以及错误率估计100

4.3 “模型-无关”技巧103

4.3.1 Parzen窗函数法105

4.3.2 k-近邻法108

4.3.3 ROC曲线法111

4.4 特征选择115

4.5 分类器评价120

4.6 树分类器124

4.6.1 决策树以及决策表124

4.6.2 分类器130

4.7 数据挖掘中的统计分类器132

第5章 神经网络140

5.1 最小均值平方误差调整判别140

5.2 活化函数147

5.3 感知器原理151

5.4 神经网络的类型158

5.5 多层感知器161

5.5.1 反向传播算法163

5.5.2 实际应用中的有关问题166

5.5.3 时间序列172

5.6.1 错误率估计174

5.6 神经网络的性能174

5.6.2 海赛矩阵176

5.6.3 神经网络设计中的偏差量及方差179

5.6.4 网络复杂度182

5.6.5 风险最小化189

5.7 神经网络训练中的近似模型191

5.7.1 共轭-梯度方法191

5.7.2 Levenberg-Marquardt方法194

5.8 神经网络训练中的遗传算法196

5.9 径向基函数201

5.10 支持向量机203

5.11 Kohonen网络211

5.12 Hopfield网络214

5.13 模块神经网络218

5.14 神经网络在数据挖掘中的应用222

6.1.1 信号基元231

6.1 模式基元231

第6章 结构模式识别231

6.1.2 图像基元233

6.2 结构化描述235

6.2.1 字符串235

6.2.2 图形236

6.2.3 树237

6.3 句法分析238

6.3.1 字符串语法238

6.3.2 画面描述语言241

6.3.3 语法种类243

6.3.4 有限状态自动机245

6.3.5 属性语法247

6.3.6 随机语法248

6.3.7 语法推理251

6.4 结构匹配252

6.4.1 字符串匹配252

6.4.2 随机松弛匹配257

6.4.3 离散松弛匹配260

6.4.4 利用Hopfield网络的松弛算法262

6.4.5 图和树匹配265

附录A 数据集276

A.1 胸部组织276

A.2 聚类277

A.3 软木塞277

A.4 犯罪278

A.5 心率曲线278

A.7 婴儿心率信号280

A.6 心电图280

A.8 阿普伽新生儿心率评估281

A.9 公司281

A.10 婴儿体重282

A.11 食物283

A.12 水果283

A.13 噪声脉冲283

A.14 MLP集合283

A.16 岩石284

A.15 规范2c2d284

A.17 股票交易285

A.18 坦克286

A.19 天气286

附录B 工具287

B.1 适应性过滤287

B.2 密度估计287

B.3 训练集大小288

B.4 误差能量289

B.5 遗传神经网络290

B.6 Hopfield网络292

B.7 k-NN边界294

B.8 k-NN分类294

B.9 感知器295

B.10 句法分析295

附录C 标准正交变换297

附录D 符号与缩写299

热门推荐