书馨卡帮你省薪
欢迎光临中图网 请 | 注册
> >
人工智能与模式识别

人工智能与模式识别

出版社:清华大学出版社出版时间:2024-09-01
开本: 其他 页数: 276
本类榜单:教材销量榜
中 图 价:¥55.3(8.5折) 定价  ¥65.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

人工智能与模式识别 版权信息

人工智能与模式识别 本书特色

(1) 体现工程教育专业认证的理念,注重培养学生解决复杂工程问题的能力,将模式识别系统中建模与分析能力贯穿始终。(2) 重视基础,介绍本领域基础概念、方法与模型,在基础和前沿之间,选择符合学科 发展的知识进行介绍。(3) 注重讲“理”,着力讲清算法思想,而不仅是定理、结论、算法步骤的简单罗列,使读者知其然, 知其所以然。(4) 突出应用,结合实际案例,探讨典型模型算法的应用方式,帮助读者掌握运用模式识别原理分析和解决实际问题的能力,达到融会贯通。(5) 每章附有丰富的习题,便于读者及时总结和回顾,加深对知识的理解,掌握人工智能与模式识别的重要基础知识。(6) 新形态教材,配套资源丰富,包括教学大纲、课程案例、PPT课件,可扫描书中二维码下载。

人工智能与模式识别 内容简介

"模式识别是人工智能技术的重要分支,也是实现机器智能的重要手段。本书作为该领域的入门教材,介绍了各类典型的模式识别的理论与方法。全书共10章。第1章为绪论;第2~5章介绍与模式识别相关的人工智能基础知识,包括智能 Agent、确定性知识表示与推理、搜索策略、智能优化算法等;第6章介绍特征提取与选择方法,应用于模式识别中的预处理过程;第7~10章介绍各种典型的模式识别模型和算法,包括基于判别函数的分类方法、基于概率的分类方法、人工神经网络,以及聚类分析。 本书可作为高等院校电子信息类、计算机类、自动化类及相关专业的本科生或研究生教材,也可供对人工智能、模式识别、机器学习、数据挖掘等领域感兴趣的研究人员和工程技术人员参考。"

人工智能与模式识别 目录

第1章 绪论 1.1 人工智能的概念 1.1.1 人工智能的解释 1.1.2 人工智能的研究目标 1.2 人工智能发展简史 1.2.1 人工智能孕育期(1943-1955年) 1.2.2 人工智能诞生(1956年) 1.2.3 早期的成功与期望(1956-1969年) 1.2.4 人工智能 次低谷(1966-1973年) 1.2.5 基于知识系统的崛起(1969-1986年) 1.2.6 人工智能第二次低谷(1987-1993年) 1.2.7 人工智能平稳发展期(1993-2011年) 1.2.8 人工智能蓬勃发展时期(2012年至今) 1.3 人工智能各学派的认知观 1.3.1 符号主义学派 1.3.2 联结主义学派 1.3.3 行为主义学派 1.3.4 三大学派的关系 1.4 人工智能的典型研究和应用领域 1.4.1 机器学习 1.4.2 模式识别 1.4.3 数据挖掘 1.4.4 计算智能 1.4.5 专家系统 1.4.6 自动程序设计 1.4.7 机器人学 1.5 本章小结 习题 第2章 智能Agent 2.1 Agent的概念及其理性行为 2.1.1 Agent的概念 2.1.2 Agent的特性 2.1.3 Agent的理性 2.2 Agernt的任务环境 2.2.1 任务环境规范描述 2.2.2 任务环境的性质 2.3 Agent的典型结构 2.3.1 简单反射型Agent 2.3.2 模型反射型Agent 2.3.3 目标驱动型Agent 2.3.4 学习型Agent 2.4 本章小结 习题 第3章 确定性知识表示与推理 3.1 确定性知识系统概述 3.1.1 确定性知识表示的概念 3.1.2 确定性知识推理概述 3.2 确定性知识的表示 3.2.1 谓词逻辑表示法 3.2.2 产生式表示法 3.2.3 语义网络表示法 3.3 确定性知识推理 3.3.1 产生式推理 3.3.2 自然演绎推理 3.3.3 归结演绎推理 3.4 本章小结 习题 第4章 搜索策略 4.1 搜索概述 4.1.1 搜索的含义 4.1.2 状态空间求解方法 4.1.3 问题归约求解方法 4.1.4 图搜索策略 4.2 状态空间的盲目搜索 4.2.1 广度优先搜索 4.2.2 深度优先搜索 4.3 状态空间的启发式搜索 4.3.1 启发性信息及估价函数 4.3.2 A算法 4.3.3 A*算法 4.4 “与/或树”的启发式搜索 4.4.1 解树的代价估计 4.4.2 希望解树判定与启发式搜索过程 4.5 博弈树及其搜索 4.5.1 博弈的含义 4.5.2 极大/极小过程 4.5.3 α-β剪枝 4.6 本章小结 习题 第5章 智能优化算法 5.1 智能优化算法概述 5.1.1 优化问题的复杂度 5.1.2 典型智能优化算法 5.1.3 邻域的概念 5.1.4 局部搜索算法 5.2 模拟退火算法 5.2.1 模拟退火算法的原理 5.2.2 模拟退火算法的描述 5.2.3 模拟退火算法的应用 5.2.4 模拟退火算法的改进 5.3 遗传算法 5.3.1 遗传算法的原理 5.3.2 遗传算法的实现 5.3.3 遗传算法的应用 5.3.4 遗传算法的改进 5.4 其他典型智能优化算法简介 5.4.1 蚁群优化算法 5.4.2 粒子群算法 5.5 本章小结 习题 第6章 特征提取与选择 6.1 模式识别基础 6.1.1 模式识别的基本问题 6.1.2 模式识别的基本流程 6.1.3 模式识别中的随机矢量 6.1.4 模式识别方法的性能评估 6.1.5 模式识别中的基本原则 6.2 特征提取与选择概述 6.3 类别可分性判据 6.3.1 基于几何距离的可分性判据 6.3.2 基于概率分布的可分性判据 6.3.3 基于后验概率的可分性判据 6.4 典型特征选择方法 6.4.1 搜索特征选择方法 6.4.2 次优搜索特征选择方法 6.5 典型特征提取方法 6.5.1 主成分分析法 6.5.2 线性判别分析法 6.6 本章小结 习题 第7章 基于判别函数的分类方法 7.1 线性判别函数 7.1.1 线性判别函数的基本概念 7.1.2 两类分类问题的线性判别规则 7.1.3 多类分类问题的线性判别规则 7.2 非线性判别函数 7.2.1 广义线性判别函数 7.2.2 二次判别函数法 7.2.3 分段线性判别函数法 7.3 支持向量机 7.3.1 硬间隔SVM 7.3.2 软间隔SVM 7.3.3 核SVM 7.4 本章小结 习题 第8章 基于概率的分类方法 8.1 贝叶斯决策论 8.1.1 从模式识别的角度认识贝叶斯公式 8.1.2 小误判概率准则 8.1.3 小损失判决准则 8.1.4 朴素贝叶斯分类器 8.2 估计方法 8.2.1 统计推断概述 8.2.2 参数估计方法 8.2.3 非参数估计 8.3 近邻分类器 8.3.1 近邻分类器的导出 8.3.2 近邻分类器与k近邻分类器 8.4 本章小结 习题 第9章 人工神经网络 9.1 神经网络基础知识 9.1.1 生物学基础 9.1.2 人工神经元模型
展开全部

人工智能与模式识别 作者简介

陈浩 ,国防科技大学电子科学学院教授。长期从事人工智能、模式识别、数据挖掘相关的教学和科研工作,湖南省 本科生课程“人工智能与模式识别”负责人。近5年发表SCI论文20余篇,EI论文10余篇。获 发明专利授权20余项,出版中英文专著各1部。获省部级教学成果一等奖2项,科技进步二等奖1项。

商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服