图书介绍

模式识别PDF|Epub|txt|kindle电子书版本网盘下载

模式识别
  • 汪增福编著 著
  • 出版社： 中国科技大学出版社
  • ISBN：9787312026546
  • 出版时间：2010
  • 标注页数：322页
  • 文件大小：23MB
  • 文件页数：334页
  • 主题词：模式识别－高等学校－教材

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：0683cc914fca587240bcb118456844e6

下载说明

模式识别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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
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模式和模式识别1

1.2模式的分类5

1.3模式识别系统的基本构成6

1.4模式识别方法及其分类9

1.5模式识别举例11

1.6本书内容安排14

第2章 统计模式识别中的几何方法16

2.1统计分类的基本思想16

2.1.1特征空间和分类器设计16

2.1.2两个例子18

2.2模式的相似性度量和最小距离分类器20

2.2.1相似性度量和距离函数20

2.2.2最小距离分类器22

2.3线性可分情况下的几何分类法27

2.3.1线性判别函数和线性分类器27

2.3.2线性判别函数的参数确定35

2.3.3感知器算法38

2.3.4收敛性定理42

2.3.5梯度下降法44

2.3.6最小平方误差法48

2.4非线性可分情况下的几何分类法53

2.4.1广义线性判别函数法53

2.4.2分段线性判别函数法56

2.4.3非线性判别函数法：位势函数法59

2.5线性可分问题的非迭代解法63

2.6最优分类超平面68

本章小结72

第3章 统计模式识别中的概率方法73

3.1用概率方法描述分类问题73

3.2几个相关的概念74

3.3最小错误概率判决准则76

3.4最小风险判决规则78

3.5贝叶斯统计判决规则的似然比表现形式81

3.5.1最小错误概率判决规则的似然比表现形式81

3.5.2最小风险判决规则的似然比表现形式82

3.6拒绝判决86

3.7贝叶斯分类器的一般结构87

3.8 Neyman-Pearson判决规则89

3.9最小最大判决规则94

3.10基于分段线性化的分类器设计102

3.11正态分布下的分类器设计107

3.11.1正态分布的定义和若干性质108

3.11.2正态分布下的分类器设计113

3.12有监督情况下类条件概率密度的参数估计118

3.12.1最大似然估计118

3.12.2贝叶斯估计和贝叶斯学习123

3.13非监督情况下类条件概率密度的参数估计129

3.14类条件概率密度的非参数估计135

3.14.1非参数估计的基本概念和方法135

3.14.2 Parzen窗估计法139

3.14.3 kn-近邻估计法144

3.14.4正交级数副近法144

本章小结147

第4章 分类器的错误率148

4.1正态分布下的错误率149

4.2样本各维之间统计独立情况下的错误率153

4.3错误率界限的理论估计155

4.3.1 Chernoff界限155

4.3.2 Bhattacharyya界限159

4.4近邻分类法的错误率162

4.5分类器错误率的实验估计169

4.5.1已训练分类器错误率的实验估计170

4.5.2有限样本情况下分类器错误率的实验估计173

本章小结175

第5章 统计模式识别中的聚类方法176

5.1聚类分析176

5.2聚类准则178

5.2.1误差平方和准则函数Je178

5.2.2权平均平方距离和准则函数Jl179

5.2.3类间距离和准则函数Jb180

5.2.4离散度准则函数180

5.3基于分裂的聚类算法185

5.3.1简单增类聚类算法186

5.3.2改进的增类聚类算法188

5.4基于合并的聚类算法190

5.5动态聚类算法196

5.5.1 C-均值动态聚类算法（Ⅰ）197

5.5.2 C-均值动态聚类算法（Ⅱ）198

5.5.3 ISODATA算法203

5.5.4基于样本和核的相似性度量的动态聚类算法208

5.6基于近邻函数值准则的聚类算法212

5.7最小张树聚类算法217

本章小结221

第6章 结构模式识别中的句法方法222

6.1模式基元和模式结构的表达223

6.2形式语言基础227

6.2.1集合、集合间的关系和集合运算227

6.2.2符号串和语言229

6.2.3文法231

6.2.4文法的分类236

6.3有限状态自动机239

6.3.1确定的有限状态自动机240

6.3.2非确定的有限状态自动机246

6.3.3有限状态自动机之间的等价249

6.3.4有限状态文法和有限状态自动机256

6.4下推自动机258

6.4.1下推自动机的即时描述262

6.4.2上下文无关文法和下推自动机264

6.5图灵机271

6.6关于语言、文法和自动机的再讨论276

6.6.1语言的命名276

6.6.2从语言构建自动机277

6.6.3语言类型的确定280

6.7句法分析285

6.7.1正向剖析过程的树表示287

6.7.2先验规则引导的树正向剖析算法288

6.7.3基于三角表格的反向剖析算法294

6.8文法推断297

6.8.1正则文法的推断298

6.8.2非正则文法的推断308

本章小结313

第7章 总结314

附录316

参考文献321

热门推荐