图书介绍
模式识别导论pdf电子书版本下载
- 范九伦，赵凤，吴青等编著 著
- 出版社： 西安：西安电子科技大学出版社
- ISBN：9787560627472
- 出版时间：2012
- 标注页数：150页
- 文件大小：11MB
- 文件页数：160页
- 主题词：模式识别－高等学校－教材
PDF下载
下载说明
模式识别导论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。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 引论 1
1.1模式识别及模式识别系统 1
1.1.1模式识别的基本概念 1
1.1.2认知模式识别 2
1.1.3计算机模式识别 3
1.2模式识别的基本方法 6
1.2.1统计模式识别 6
1.2.2结构模式识别 7
1.2.3模糊模式识别 7
1.2.4神经网络模式识别 7
1.3模式识别的一些基本准则 8
1.3.1奥卡姆剃刀原理 8
1.3.2没有免费的午餐定理 8
1.3.3丑小鸭定理 9
1.4模式识别的应用 9
1.4.1生物特征识别 9
1.4.2目标识别 12
1.4.3图像识别 13
1.4.4图形识别 14
1.4.5故障诊断 14
第2章 线性判别函数法 15
2.1判别函数的基本概念 15
2.2线性判别函数 16
2.2.1线性判别函数的一般形式 16
2.2.2线性判别函数的基本性质 17
2.2.3线性判别函数的几何性质 20
2.2.4设计线性分类器的主要步骤 22
2.3感知器学习算法 22
2.3.1几个基本概念 22
2.3.2感知器算法 23
2.4最小均方误差算法 26
2.5 Fisher线性判别法 27
2.5.1类内离散度矩阵和类间离散度矩阵 27
2.5.2 Fisher线性判别法 29
2.6线性二分能力 30
习题 32
上机练习 33
第3章 非线性判别函数 34
3.1分段线性判别函数 34
3.1.1一般分段线性判别函数 34
3.1.2基于距离的分段线性判别函数 35
3.2分段线性判别函数的学习方法 36
3.2.1已知子类划分的学习方法 37
3.2.2已知子类数目的学习方法 37
3.2.3未知子类数目的学习方法 38
3.3势函数法 39
3.3.1势函数 39
3.3.2势函数法 39
3.3.3势函数的选择 41
3.4广义线性判别函数 43
3.5二次判别函数 45
习题 46
上机练习 47
第4章 统计决策方法 48
4.1最小误判概率准则判决 48
4.1.1基础知识 48
4.1.2最小误判概率准则判决 49
4.2最小损失准则判决 52
4.2.1损失函数与平均损失 53
4.2.2最小损失贝叶斯准则判决 53
4.3最小最大准则 54
4.4正态分布模型的统计决策 56
4.4.1正态分布概率密度函数 57
4.4.2正态模型的Bayes决策 58
习题 60
上机练习 61
第5章 概率密度函数估计 62
5.1参数估计的基本概念 62
5.2概率密度函数的参数估计 63
5.2.1最大似然估计 63
5.2.2 Bayes估计和Bayes学习 66
5.3概率密度函数的非参数估计 71
5.3.1非参数估计的基本原理 71
5.3.2 Parzen窗法 73
5.3.3ΚΝ-近邻法 76
习题 77
上机练习 78
第6章 聚类分析 79
6.1聚类分析的基本概念 79
6.2模式相似性测度和聚类准则 80
6.2.1模式相似性测度 80
6.2.2聚类准则 81
6.3基于距离阈值的聚类法 83
6.3.1近邻聚类法 83
6.3.2最大最小距离聚类法 84
6.4层次聚类法 84
6.4.1类与类之间的距离 85
6.4.2层次聚类法 87
6.5动态聚类算法 91
6.5.1HCM算法 92
6.5.2ISODATA算法 94
习题 98
上机练习 98
第7章 特征提取与选择 100
7.1特征提取与选择的基本概念 100
7.1.1特征的种类 100
7.1.2特征提取与选择 101
7.2基于距离的特征提取 101
7.2.1基于距离的类别可分性测度 102
7.2.2基于距离可分性测度的特征提取 103
7.3基于离散K-L变换的特征提取 106
7.3.1离散K-L变换（DKLT） 106
7.3.2离散K-L变换在特征提取中的应用 108
7.4特征选择方法 109
7.4.1最优搜索法 109
7.4.2次优搜索法 111
习题 112
上机练习 113
第8章 模糊模式识别 114
8.1模糊集合 114
8.1.1模糊集合的定义及表示 114
8.1.2模糊集合的运算 115
8.2模糊模式识别的基本方法 116
8.2.1模糊模式识别的基本过程 117
8.2.2常用的隶属度函数 118
8.2.3最大隶属度原则 122
8.2.4择近原则 123
8.3模糊聚类分析 126
8.3.1模糊等价关系法 126
8.3.2模糊c-均值聚类算法 129
8.4聚类有效性评价 131
8.4.1硬聚类有效性评价 131
8.4.2模糊聚类有效性评价 132
习题 134
上机练习 134
第9章 模式分析的核方法 135
9.1核函数 135
9.1.1非线性特征映射和核函数 135
9.1.2核函数的基本理论 137
9.1.3核函数的构造 139
9.2核HCM算法 140
9.3核FCM算法 141
9.4核离散K-L变换 143
9.5核Fisher线性判别 144
9.6支持向量机 145
9.6.1线性支持向量机 145
9.6.2非线性支持向量机 148
9.6.3支持向量机的多分类方法 148
习题 149
上机练习 149
参考文献 150