模式识别PDF|Epub|txt|kindle电子书版本网盘下载

模式识别PDF格式电子书版下载

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

第1章 绪论1

1.1 模式和模式识别的概念1

1.2 模式识别的研究方法1

1.2.1 识别方法1

1.2.2 模式识别系统的组成2

1.3 模式识别的应用3

参考文献5

第2章 贝叶斯决策理论6

2.1 基于最小错误率的贝叶斯判别法6

2.2 基于贝叶斯公式的几种判别规则10

2.2.1 基于最小风险的贝叶斯决策10

2.2.2 最小最大决策13

2.3 正态分布模式的统计决策15

2.3.1 正态分布概率密度函数的定义及性质15

2.3.2 多元正态概率模型的贝叶斯判别函数20

2.4 概率密度函数的估计24

2.4.1 最大似然估计25

2.4.2 贝叶斯估计28

2.5 离散情况的贝叶斯决策31

2.6 贝叶斯分类器的错误率33

习题237

参考文献37

第3章 线性判别函数39

3.1 线性判别函数39

3.2 广义线性判别函数42

3.3 感知器算法44

3.3.1 基于赏罚概念的感知器训练算法44

3.3.2 梯度下降法46

3.4 最小平方误差准则函数47

3.5 多类问题50

3.5.1 多类问题的基本概念50

3 5 2 决策树简介51

3.6 Fisher线性判别函数54

习题356

参考文献57

第4章 模式特征提取与选择58

4.1 离散K-L变换58

4.1.1 离散K-L展开式59

4.1.2 基于K-L变换的数据压缩60

4.1.3 基于K-L变换的特征提取62

4.2 离散傅里叶变换64

4.2.1 一维离散傅里叶变换64

4.2.2 二维离散傅里叶变换65

4.3 离散余弦和正弦变换67

4.3.1 余弦变换67

4.3.2 正弦变换69

4.4 Hadamaard变换70

4.5 Haar变换72

4.6 小波变换73

4.6.1 连续小波变换73

4.6.2 离散小波变换75

4.6.3 多分辨率分析75

4.6.4 正交小波包78

习题479

参考文献80

第5章 聚类分析81

5.1 相似性测度和聚类准则82

5.1.1 相似性测度82

5.1.2 聚类准则83

5.2 聚类算法86

5.2.1 聚类算法的分类86

5.2.2 层次聚类算法87

5.2.3 K均值算法90

5.2.4 核聚类93

5.2.5 ISODATA算法95

5.3 聚类有效性99

习题5101

参考文献102

第6章 人工神经网络103

6.1 人工神经网络的构成103

6.1.1 神经元的结构模型103

6.1.2 人工神经网络的连接方式105

6.1.3 神经网络模型分类107

6.1.4 神经网络学习规则108

6.2 多层前馈网络学习算法109

6.2.1 前馈网络模型109

6.2.2 感知器分类学习算法113

6.2.3 BP网络分类学习算法115

6.3 联想记忆网络学习算法118

6.3.1 反馈网络模型119

6.3.2 联想记忆分类学习算法124

6.4 海明网络分类学习算法127

6.4.1 海明神经网络结构127

6.4.2 海明网络分类学习算法128

6.5 特征映射网络分类学习算法130

6.5.1 特征映射网络结构130

6.5.2 特征映射分类学习算法131

6.6 前馈网络分类机理133

6.6.1 前馈网络分类的几何机理133

6.6.2 前馈网络分类的代数机理137

6.7 径向基函数网络139

6.7.1 径向基函数139

6.7.2 径向基函数网络的特点140

6.7.3 径向基函数网络的正则化142

习题6145

参考文献146

第7章 支持向量机149

7.1 最优分类超平面149

7.2 支持向量机的理论基础153

7.2.1 支持向量机的三种分类形式153

7.2.2 统计学习理论160

7.2.3 优化理论166

7.3 常用的几种支持向量机168

7.3.1 C-支持向量分类机168

7.3.2 C-支持向量机的变形174

7.3.3 广义支持向量机175

7.3.4 v-支持向量机176

7.4 支持向量回归机178

7.4.1 回归问题178

7.4.2 线性回归179

7.4.3 非线性回归182

7.4.4 ε-支持向量回归机184

7.4.5 v-支持向量回归机185

习题7187

参考文献187

第8章 核函数方法及应用189

8.1 核函数的可分性条件190

8.1.1 输入空间中样本点线性可分的判别条件190

8.1.2 特征空间中样本点线性可分的判别条件191

8.2 核函数的参数确定195

8.3 核函数的构造方法196

8.3.1 基于特征变换的核函数构造196

8.3.2 利用Mercer核函数的性质组合核函数197

8.3.3 借助其他领域知识构造核函数198

8.4 几种核方法198

8.4.1 KPCA的基本思想198

8.4.2 基于类内散布的最优kernel PCA展开方法201

8.4.3 融合先验类别信息的非线性主元分析算法202

8.4.4 PKPCA与KPCA和KFD的关系205

习题8205

参考文献206

第9章 模糊模式识别207

9.1 模糊数学的基本理论207

9.1.1 模糊集合207

9.1.2 模糊关系210

9.1.3 模糊集合的度量213

9.2 模糊模式识别的基本方法217

9.2.1 最大隶属原则217

9.2.2 择近原则218

9.3 模糊聚类分析方法220

9.3.1 基于模糊等价矩阵的聚类分析220

9.3.2 模糊C均值聚类算法224

9.3.3 模糊聚类的有效性228

习题9232

参考文献233

第10章 模式识别应用235

10.1 车牌识别235

10.1.1 车牌图像预处理235

10.1.2 车牌定位239

10.1.3 字符分割246

10.1.4 字符识别247

10.2 语音识别252

10.2.1 语音识别研究的发展与现状252

10.2.2 语音识别方法简介254

10.2.3 DHMM语音识别系统256

参考文献280

附录A 鸢尾属植物样本数据（Iris Data）283

附录B 习题解答285

习题2285

习题3288

习题4289

习题5292

习题6298

习题7299

习题8302

习题9303