图书介绍
模式识别原理与应用PDF|Epub|txt|kindle电子书版本网盘下载
- 李弼程，邵美珍，黄洁主编 著
- 出版社： 西安：西安电子科技大学出版社
- ISBN：7560619851
- 出版时间：2008
- 标注页数：279页
- 文件大小：100MB
- 文件页数：290页
- 主题词：模式识别－高等学校－教材
PDF下载
下载说明
模式识别原理与应用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。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 绪论1
1.1 模式识别的基本概念1
1.2 模式识别系统2
1.3 模式识别的基本方法3
习题5
参考文献6
第2章 贝叶斯决策理论7
2.1 分类器的描述方法7
2.1.1 基本假设7
2.1.2 模式分类器的描述7
2.2 最大后验概率判决准则9
2.2.1 判决准则9
2.2.2 错误概率11
2.3 最小风险贝叶斯判决准则12
2.4 Neyman-Person判决准则14
2.5 最小最大风险判决准则17
习题19
参考文献21
第3章 概率密度函数估计22
3.1 概率密度函数估计概述22
3.2 参数估计的基本概念与评价准则22
3.2.1 参数估计的基本概念22
3.2.2 参数估计的评价准则23
3.3 概率密度函数的参数估计28
3.3.1 最大似然估计28
3.3.2 贝叶斯估计30
3.3.3 贝叶斯学习33
3.4 概率密度函数的非参数估计35
3.4.1 非参数估计的基本原理35
3.4.2 Parzen窗法36
3.4.3 kN-近邻法42
习题43
参考文献44
第4章 线性判别分析45
4.1 线性判别函数45
4.1.1 线性判别函数的几何意义45
4.1.2 广义线性判别函数51
4.1.3 线性判别函数设计的一般步骤52
4.2 线性分类器53
4.2.1 基于错误概率的线性分类器设计53
4.2.2 Fisher线性判决54
4.2.3 感知准则函数58
4.2.4 最小平方误差准则函数60
4.2.5 决策树61
4.3 分段线性分类器64
4.3.1 分段线性分类器的定义65
4.3.2 分段线性距离分类器65
4.3.3 分段线性分类器设计的一般考虑67
4.4 近邻分类器68
4.4.1 最近邻法69
4.4.2 k-近邻法69
习题71
参考文献71
第5章 特征提取和选择72
5.1 基本概念72
5.1.1 特征的特点72
5.1.2 特征的类别72
5.1.3 特征的形成73
5.1.4 特征提取和选择的作用73
5.2 类的可分性判据74
5.2.1 基于距离的可分性判据74
5.2.2 基于概率密度函数的可分性判据77
5.2.3 基于熵函数的可分性判据79
5.3 基于可分性判据的特征提取80
5.3.1 基于距离可分性判据的特征提取方法80
5.3.2 基于概率密度函数可分性判据的特征提取方法81
5.3.3 基于熵函数可分性判据的特征提取方法82
5.4 主分量分析（PCA）82
5.5 独立分量分析（ICA）84
5.5.1 ICA概述84
5.5.2 基于累积量的ICA估计86
5.5.3 ICA的极大似然估计方法87
5.6 基于核函数的方法89
5.6.1 基于核函数方法的基本思想89
5.6.2 基于核函数的主分量分析90
5.6.3 基于核函数的独立分量分析91
5.6.4 基于核函数的Fisher线性判别92
5.7 特征选择方法93
5.7.1 最优搜索算法94
5.7.2 次优搜索算法95
5.7.3 遗传算法96
习题98
参考文献100
第6章 聚类分析101
6.1 模式相似性测度与聚类准则101
6.1.1 模式相似性测度101
6.1.2 聚类准则104
6.2 基于试探的聚类算法105
6.2.1 基于最近邻规则的试探法105
6.2.2 最大最小距离聚类算法106
6.3 层次聚类法107
6.3.1 层次聚类法概述107
6.3.2 类与类之间的距离107
6.4 动态聚类法111
6.4.1 动态聚类法的基本思想111
6.4.2 K均值算法111
6.4.3 迭代自组织的数据分析算法113
6.4.4 基于LBG算法的聚类分析116
6.5 分解法116
6.5.1 一分为二法116
6.5.2 分裂法117
习题117
参考文献118
第7章 结构模式识别119
7.1 结构模式识别概述119
7.2 形式语言与自动机120
7.2.1 短语结构文法120
7.2.2 正则文法和有限自动机122
7.2.3 上下文无关文法和下推自动机125
7.3 高维文法和随机文法127
7.3.1 树文法和识别器127
7.3.2 网文法129
7.3.3 随机文法和识别器130
7.4 句法分析132
7.4.1 穷举法132
7.4.2 Cocke-Younger-Kasami算法133
7.4.3 Earley剖析算法135
7.5 文法推断136
7.5.1 文法推断的概念136
7.5.2 正则文法的推断137
7.5.3 上下文无关文法的推断141
习题142
参考文献143
第8章 模糊模式识别144
8.1 模糊集合144
8.1.1 模糊子集的概念144
8.1.2 隶属函数的确定145
8.1.3 模糊子集的运算150
8.2 模糊关系152
8.2.1 模糊关系的定义152
8.2.2 模糊关系与模糊矩阵的运算153
8.3 模糊模式识别的基本思想154
8.3.1 特征的模糊化154
8.3.2 结果的模糊化155
8.3.3 硬分类和模糊分类155
8.3.4 模式分类的最大隶属原则与择近原则156
8.4 模糊聚类分析160
8.4.1 模糊等价关系法160
8.4.2 传递闭包法161
8.4.3 模糊K均值算法162
习题163
参考文献164
第9章 神经网络模式识别165
9.1 神经网络的基本要素165
9.1.1 人工神经元模型165
9.1.2 神经网络结构166
9.1.3 神经网络的学习方法168
9.2 前馈神经网络169
9.2.1 感知器169
9.2.2 BP网络170
9.2.3 径向基函数网络173
9.3 自组织特征映射神经网络174
9.3.1 网络结构175
9.3.2 自组织特征映射算法175
9.4 支持向量机176
9.4.1 线性可分情况176
9.4.2 线性不可分情况178
9.5 神经网络模式识别179
9.5.1 神经网络模式识别与统计模式识别179
9.5.2 神经网络模式识别的基本思想180
习题180
参考文献181
第10章 多分类器融合182
10.1 多分类器融合的基本原理182
10.1.1 多分类器融合的必要性182
10.1.2 多分类器融合的体系结构182
10.1.3 多分类器融合的分类184
10.2 多数投票法和BKS方法186
10.2.1 多数投票法186
10.2.2 BKS方法187
10.3 基于Bayes理论的多分类器融合188
10.3.1 基于Bayes理论的多分类器合成规则188
10.3.2 基于Bayes理论的多分类器合成方法192
10.4 基于证据理论的多分类器融合194
10.4.1 证据理论基础194
10.4.2 度量层的多分类器融合197
10.4.3 决策层的多分类器融合198
10.5 基于神经网络的多分类器融合202
10.6 基于模糊积分的多分类器融合203
10.6.1 gλ-模糊测度203
10.6.2 模糊积分204
10.6.3 模糊积分在信息融合中的应用205
10.7 基于决策模板的多分类器融合206
习题208
参考文献208
第11章 文本分类210
11.1 文本分类技术210
11.1.1 文本分类流程210
11.1.2 文本预处理210
11.1.3 分类器216
11.2 垃圾邮件识别技术217
11.2.1 服务器与客户端过滤218
11.2.2 黑白名单过滤技术219
11.2.3 规则匹配过滤技术220
11.2.4 垃圾邮件内容过滤技术220
11.3 网页分类技术222
11.3.1 网页分类流程222
11.3.2 基于向量空间模型的网页噪声净化224
习题226
参考文献226
第12章 语音识别228
12.1 语音识别的基本原理228
12.1.1 语音识别系统的结构228
12.1.2 语音信号的预处理229
12.1.3 语音识别的特征提取229
12.1.4 语音识别的模型建立232
12.1.5 语音识别的判决准则234
12.2 说话人识别235
12.2.1 说话人识别的基本原理235
12.2.2 说话人识别系统举例236
12.3 语种识别237
12.3.1 语种识别的基本原理237
12.3.2 语种识别系统举例238
12.4 关键词识别240
12.4.1 关键词识别的基本原理240
12.4.2 关键词识别系统举例241
12.5 连续语音识别241
12.5.1 连续语音识别的基本原理241
12.5.2 连续语音识别系统举例243
习题243
参考文献244
第13章 图像识别245
13.1 图像识别的基本原理245
13.2 人脸识别246
13.2.1 费歇尔脸方法247
13.2.2 小波分解248
13.2.3 基于小波变换与SVM的人脸识别249
13.3 签名识别250
13.3.1 签名图像预处理与特征提取250
13.3.2 基于证据理论融合的签名识别254
13.4 车牌识别256
13.4.1 车牌识别系统简介256
13.4.2 车牌图像定位分割算法256
习题258
参考文献258
第14章 视频识别260
14.1 视频结构分析260
14.1.1 视频结构模型260
14.1.2 非压缩域镜头边界检测方法261
14.1.3 镜头的表示267
14.1.4 代表帧的选取方法267
14.2 主持人识别270
14.3 标题条识别275
14.3.1 含有标题条的图像帧检测275
14.3.2 文字区域识别277
习题278
参考文献278