中图网

>

计算机理论

模式分类(原书第2版·典藏版)

作者：[美]理查德·O.杜达(Richard

出版社：机械工业出版社出版时间：2024-10-01

开本： 16开 页数： 542

本类榜单：计算机/网络销量榜

中图价:¥108.8(7.3折) 定价 ~~¥149.0~~ 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>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥108.8 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

模式分类(原书第2版·典藏版) 版权信息

ISBN：9787111762324
条形码：9787111762324 ; 978-7-111-76232-4
装帧：精装
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

模式分类(原书第2版·典藏版) 本书特色

本书是模式识别领域的经典教材，被卡内基·梅隆大学、哈佛大学、斯坦福大学、剑桥大学等多所学校选作教材，主要面向人工智能、计算机科学、电子工程、自动化、数学与统计学等领域的高年级本科生和研究生以及科技人员。

模式分类(原书第2版·典藏版) 内容简介

本书的第1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。在第2版中,除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，读者将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。

模式分类(原书第2版·典藏版) 目录

目录

Pattern Classification, Second Edition

译者序

前言
第1章绪论

1.1 机器感知

1.2 一个例子

1.3 模式识别系统

1.3.1 传感器

1.3.2 分割和组织

1.3.3 特征提取

1.3.4 分类器

1.3.5 后处理

1.4 设计循环

1.4.1 数据采集

1.4.2 特征选择

1.4.3 模型选择

1.4.4 训练

1.4.5 评价

1.4.6 计算复杂度

1.5 学习和适应

1.5.1 有监督学习

1.5.2 无监督学习

1.5.3 强化学习

本章小结

全书各章概要

文献和历史评述

参考文献

第2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

2.3.1 极小化极大准则

2.3.2 NeymanPearson准则

2.4 分类器、判别函数及判定面

2.4.1 多类情况

2.4.2 两类情况

2.5 正态密度

2.5.1 单变量密度函数

2.5.2 多元密度函数

2.6 正态分布的判别函数

2.6.1 情况1：
Σi=σ2I

2.6.2 情况2：
Σi=Σ

2.6.3 情况3：Σi＝任意

2.7 误差概率和误差积分

2.8 正态密度的误差上界

2.8.1 Chernoff界

2.8.2 Bhattacharyya界

2.8.3 信号检测理论和操作特性

2.9 贝叶斯决策论——离散特征

2.9.1 独立的二值特征

2.10 丢失特征和噪声特征

2.10.1 丢失特征

2.10.2 噪声特征

2.11 贝叶斯置信网

2.12 复合贝叶斯决策论及
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3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

3.2.1 基本原理

3.2.2 高斯情况：μ未知

3.2.3 高斯情况：μ和Σ均未知

3.2.4 估计的偏差

3.3 贝叶斯估计

3.3.1 类条件密度

3.3.2 参数的分布

3.4 贝叶斯参数估计：高斯情况

3.4.1 单变量情况：p(μ｜
)

3.4.2 单变量情况：p(x｜)

3.4.3 多变量情况

3.5 贝叶斯参数估计：一般理论

3.5.1 *大似然方法和贝叶斯方法何时有

区别

3.5.2 无信息先验和不变性

3.5.3 Gibbs算法

3.6 充分统计量

3.7 维数问题

3.7.1 精度、维数和训练集的大小

3.7.2 计算复杂度

3.7.3 过拟合

3.8 成分分析和判别函数

3.8.1 主成分分析

3.8.2 Fisher线性判别分析

3.8.3 多重判别分析

3.9 期望*大化算法

3.10 隐马尔可夫模型

3.10.1 一阶马尔可夫模型

3.10.2 一阶隐马尔可夫模型

3.10.3 隐马尔可夫模型的计算

3.10.4 估值问题

3.10.5 解码问题

3.10.6 学习问题

本章小结

文献和历史评述

习题

上机练习

参考文献

第4章非参数技术

4.1 引言

4.2 概率密度的估计

4.3 Parzen窗方法

4.3.1 均值的收敛性

4.3.2 方差的收敛性

4.3.3 举例说明

4.3.4 分类的例子

4.3.5 概率神经网络

4.3.6 窗函数的选取

4.4 n近邻估计

4.4.1 n近邻估计和Parzen
窗估计

4.4.2 后验概率的估计

4.5 *近邻规则

4.5.1 *近邻规则的收敛性

4.5.2 *近邻规则的误差率

4.5.3 误差界

4.5.4近邻规则

4.5.5近邻规则的计算复杂度

4.6 距离度量和*近邻分类

4.6.1 度量的性质

4.6.2 切空间距离

4.7 模糊分类

4.8 RCE网络

4.9 级数展开逼近

本章小结

文献和历史评述

习题

上机练习

参考文献
第5章线性判别函数

5.1 引言

5.2 线性判别函数和判定面

5.2.1 两类情况

5.2.2 多类的情况

5.3 广

展开全部

模式分类(原书第2版·典藏版) 作者简介

理查德·O. 杜达（Richard O.Duda）圣何塞州立大学电气工程系荣休教授，以其在声音
定位和模式识别方面的工作而闻名。美国人工智能学会会士、IEEE 会士。拥有麻省理工学院博
士学位。
皮特·E. 哈特（Peter E. Hart）加州理光发明（Ricoh Innovations）公司创始人、总裁，在此之前曾任理光加州研究中心高级副总裁。美国人工智能学会会士、IEEE 会士，曾获 IEEE信息论协会 50 周年论文奖。
大卫·G. 斯托克（David G. Stork）加州理光发明公司首席科学家，斯坦福大学电气工程
与计算机科学系客座教授。国际模式识别学会会士、IEEE 会士。拥有马里兰大学博士学位。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐