模式识别原理的图书目录
第1章绪论
1.1基本概念
1.2基本问题
1.3模式识别系统
1.4模式识别方法
第2章贝叶斯分类器
2.1引言
2.2最小错误率贝叶斯决策
2.3最小风险贝叶斯决策
2.4判别函数与决策面
2.5正态分布贝叶斯决策的应用
2.6贝叶斯决策的扩展应用
2.7小结
第3章线性判别函数
3.1引言
3.2Fisher准则
3.3感知准则
3.4最小错分准则
3.5最小平方误差准则
3.6线性判别函数的扩展应用
3.7小结
第4章结构法模式识别
4.1模式基元
4.2结构描述方法
4.3句法分析
4.4结构匹配
4.5小结
第5章特征空间分析
5.1基本概念
5.2特征空间的距离准则
5.3特征空间的统计准则
5.4特征提取
5.5小结
第6章非参数模式识别方法
6.1最近邻法
6.2k近邻法
6.3基本非参数估计方法
6.4ParZen窗估计方法
6.5kN近邻估计方法
6.6小结
第7章聚类分析
7.1引言
7.2距离和相似系数
7.3层次聚类法
7.4有序样本聚类法
7.5小结
第8章K-L变换与应用
8.1k-L变换
8.2K-L展开式的性质与评价
8.3K-L变换的应用
8.4主分量分析法
8.5小结
第9章人工神经网络
9.1引言
9.2神经元
9.3单层感知器
9.4线性网络
9.5BP网络
9.6径向基函数网络
9.7Hopfield网络与联想记忆
9.8小结
第10章统计学习理论与支撑向量机
10.1引言
10.2机器学习问题基础
10.3统计学习理论
10.4支撑向量机
10.5多类分类问题
10.6支撑向量机的应用
10.7小结
附录模式识别实验
实验1贝叶斯分类器
实验2Fisher准则实验
实验3线性分类器设计
实验4BP神经网络分类器
实验5Hopfield神经网络分类器
实验6支撑向量机(SVM)分类器
实验7DCT变换及其应用
实验8基本PCA法分析
实验9k近邻法分类器设计
实验10层次聚类分析
实验11Parzen窗法分析
参考文献
……
2024-10-17 广告