书籍详情
![《模式分类RichardO.Duda等著计算机科学丛书》[44M]百度网盘|亲测有效|pdf下载](/uploads/s0309/824238378a04edd2.jpg)
模式分类RichardO.Duda等著计算机科学丛书
- 出版社:机械工业出版社官方旗舰店
- 出版时间:2004-06
- 热度:5001
- 上架时间:2024-06-30 09:08:33
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
商品参数
| 商品基本信息 | |
| 商品名称： | 模式分类（原书第２版） |
| 作者： | （美）Richard O.Duda 等著 |
| 市场价： | 59.00 |
| ISBN号： | 9787111121480 |
| 版次： | 1-9 |
| 出版日期： | 2003-10 |
| 页数： | 0 |
| 字数： | 0 |
| 出版社： | 机械工业出版社 |
内容介绍
| 内容简介 | |
| 本书的*一版《模式分类与场景分析》出版于1973年，是模式识别和场景分析领域奠基性的经典名著。在*二版中，除了保留*一版的关于统计模式识别和结构模式识别的主要内容以外，读者会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。作者还为未来25年的模式识别的发展指明了方向。书中包含了许多实例，各种不同方法的对比，丰富的图表，以及大量的课后习题和计算机练习。 本书作为流行和经典的教材，主要面向电子工程、计算机科学、数学和统计学、媒体处理、模式识别、计算机视觉、人工智能和认知科学等领域的研究生和高年级本科生，也可作为相关领域科技人员的重要参考书。 |
目录
| 目录 | |
| 出版者的话 专家指导委员会 译者序 前言 *一章绪论 1.1机器感知 1.2一个例子 1.3模式识别系统 1.4设计循环 1.5学习和适应 1.6本章小结 全书各章概要 文献和历史评述 参考文献 *二章贝叶斯决策论 2.1引言 2.2贝叶斯决策论连续特征 2.3*小误差率分类 2.4分类器判别函数及判定面 2.5正态函数 2.6正态分布的判别函数 2.7误差概率和误差积分 2.8正态密度的误差上界 2.9贝叶斯决策论 2.10丢失特征和噪声特征 2.11贝叶斯置信网 2.12复合贝斯决策论及上下文 本章小结 文献和历史评述 习题 上机练习 参考文献 第三章*大似然估计和贝叶斯参数估计 3.1引言 3.2*大似然估计 3.3贝叶斯估计 3.4贝叶斯参数估计 3.5贝轩斯参数估计一般理论 3.6充分统计论 3.7维数问题 3.8成分分析和判别函数 3.9期望*大化算法 3.10隐马尔可夫模型 本章小结 文献和历史评述 习题 上机练习 参考文献 第四章非参数技术 4.1引言 4.2概率密度的估计 4.3窗方法 4.4近邻估计 4.5*近邻规则 4.6距离度量和*近邻分类 4.7模糊分类 4.8RCE网络 本章小结 文献和历史评述 习题 上机练习 参考文献 第五章线性判别函数 5.1引言 5.2线性判别函数和判定画 5.3广义线性判函数 5.4两类线性可分的情况 5.5威知器准则函数*小化 5.6松驰算法 5.7不可分的情况 5.8*小平方误差方法 5.9算法 5.10线性规划算法 5.11支持向量机 5.12推广到多类问题 本章小结 文献和历史评述 习题 上机练习 参考文献 第六章多层神经网络 6.1引言 6.2前馈运算和划分 6.3反向传播算法 6.4误差曲面 6.5反向传播作为特征映射 6.6反向传播贝叶斯理论及概述 6.7相关的统计技术 6.8改进反向传播的一些实用技术 6.9二阶技术 6.10其他网络和训练算法 6.11正则化复杂度调节和剪枝 本章小结 文献和历史评述 习题 上机练习 参考文献 第七章随机方法 7.1引言 7.2随机搜索 7.3学习 7.4网络和图示模型 7.5进化方法 7.6规则 本章小结 文献和历史评述 习题 上机练习 参考文献 第八章非度量方法 8.1引言 8.2判定树 8.3CART 8.4其他树方法 8.5串的识别 8.6文法方法 8.7文法推断 8.8基于规则的方法 本章小结 文献和历史评述 习题 上机练习 参考文献 第九章独立于算法的机器学习 9.1引言 9.2没有天生优越的分类器 9.3偏差和方差 9.4统计量估计中的重采样技术 9.5分类器设计中的重采样技术 9.6分类器的评价和比较 9.7组合分类器 本章小结 文献和历史评述 习题 上机练习 参考文献 第十章无监督学习和聚类 10.1引言 10.2混合密度和可辩识性 10.3*大似然估计 10.4对混合正态密度的应用 10.5无监督贝叶斯学习 10.6数据描述和聚类 10.7聚类的准则函数 10.8迭代*优化 10.9层次聚类 10.10验证问题 10.11在线聚焦 10.12图论方法 10.13成分分析 10.14低维数据表示和多维尺度变换 本章小结 文献和历史评述 习题 上机练习 参考文献 附录A数学基础 参考文献 索引 |