现代模式识别-教辅教材-文化科教-太极之巅书单号

书刊介绍

现代模式识别内容简介

《现代模式识别》系统深入地论述了模式识别的理论与方法，较全面地反映了本学科的新近科技成果。全书分12章，讨论的主流模式识别技术是：统计模式识别、模糊模式识别、神经网络技术、人工智能方法、句法模式识别。

现代模式识别本书特色

分类识别是人类*重要的基本活动之一，在人类的日常生活、社会活动、科研生产以及学习、工作中无时无处不在进行着分类识别。模式识别是研究分类识别理论和方法的科学，是一门综合性、交叉性学科。在理论上它涉及代数学、矩阵论、概率论、图论、模糊数学、*优化理论等等众多学科的知识，在应用上又与其他许多领域的工程技术密切相关，其内涵可以概括为信息处理、分析与决策，它既是人工智能研究领域的重要分支，又是实现机器智能必不可少的技术手段。该学科的理论任务是运用一切相关科技研发分类识别的理论和方法，而其应用目标是创造能进行分类识别决策的智能机器系统以代替人类的分类识别工作。自80年代以来，它始终受到学术界和各应用领域的极大重视，计算机软、硬件技术的日臻成熟及其他相关学科的迅速发展更使它成为理论研究和技术开发的热门学科，其重要的学术价值和广泛的应用范围使得人们越来越认识到该课程的重要性，也吸引了各领域的科研人员投入极高的学习热情。近十几年来，与模式识别相关的理论专著、论文、科研成果层出不穷，使得该学科得以丰富和发展，形成了许多大类的模式识别理论、方法。但是现在多数著作只涉及一至两类模式识别知识的介绍，多学科、多视角、多层次地介绍该学科知识的著作不多，能兼顾教学使用和科研参考的高校教材也较少，因此有必要将该学科涉及到的基本理论、基本方法原理以及当代发展成熟的理论技术进行沉淀、提炼、归纳、整合，让读者能较系统地掌握本学科的理论精髓，较全面地了解和掌握相关技术，这也正是我们撰写本书的初衷和希望本书能实现的目标。

现代模式识别目录

**章引论
1. 1概论
1. 2特征矢量和特征空间
1. 3随机矢量的描述
1. 4正态分布
参考文献
第二章聚类分析
2. 1聚类分析的概念
2. 2模式相似性测度
2. 3类的定义与类间距离
2. 4聚类的算法
习题
参考文献
第三章判别域代数界面方程法
3. 1用判别域界面方程分类的概念
3. 2线性判别函数
3. 3判别函数值的鉴别意义. 权空间及解空间
3. 4Fisher线性判别
3. 5一次准则函数及梯度下降法
3. 6二次准则函数及其解法
3. 7线性规划方法
3. 8线性二分能力(Linear dichotomies)
3. 9广义线性判别函数
3. 10二次判别函数
3. 11分段线性判别函数
3. 12位势函数分类法
习题
参考文献
第四章统计判决
4. 1*小误判概率准则判决
4. 2*小损失准则判决
4. 3*小*大损失准则判决
4. 4N-P(Neyman-Pearson)判决
4. 5序贯判决
4. 6Fisher准则判决
习题
参考文献
第五章统计决策中的训练. 学习与错误率测试. 估讦
5. 1统计推断概述
5. 2参数估计
5. 3贝叶斯学习
5. 4概率密度的窗函数估计法及kN-近邻法
5. 5有限项正交函数级数逼近法
5. 6用位势函数法逼近贝叶斯判决函数
5. 7随机逼近方法求类的后验概率
5. 8统计决策准则下线性判决函数的训练生成
5. 9错误率测试
5. 10平均损失及*小误判概率的估计方法
5. 11经验风险设计
习题
参考文献
第六章*近邻方法
6. 1*近邻法
6. 2剪辑*近邻法
6. 3引入拒绝决策的*近邻法
6. 4*近邻法中的*佳距离及其实际计算
习题
参考文献
第七章特征提取与选择
7. 1概述
7. 2类别可分性判据
7. 3基于可分性判据进行变换的特征提取与选择
7. 4*佳鉴别矢量的提取
7. 5离散K-L变换及其在特征提取与选择中的应用
7. 6基于决策界的特征提取
7. 7特征选择中的直接挑选法
习题
参考文献
第八章模糊模式识别
8. 1引言
8. 2普通集合与模糊集合
8. 3普通集合中的关系及有关知识
8. 4模糊关系与模糊变换
8. 5模糊度与特征提取和选择
8. 6模糊识别的基本方法
习题
参考文献
第九章神经网络在模式识别中的应用
9. 1人工神经网络的基本知识
9. 2前向型人工神经网络
9. 3BP网的结构性能和学习改进
9. 4Hopfield网络
9. 5随机神经网络
9. 6自适应共振理论神经网络
9. 7自组织特征映射神经网络
9. 8模糊神经网络
习题
参考文献
第十章信息融合
10. 1概述
10. 2融合技术的层次性及融合系统的功能模块和结构
10. 3关于信息融合的熵理论
10. 4观测不相关的分布式*小损失准则下的检测与决策融合
10. 5观测相关的决策融合
10. 6N-P准则下的数据融合
10. 7分布式检测决策融合的全局*优概述及某些约束条件下的*优解
10. 8D-S证据理论融合算法
参考文献
第十一章句法模式识别
11. 1句法模式识别概述
11. 2形式语言
11. 3高维文法与随机文法
11. 4模式的描述
11. 5句法分析
11. 6文法推断
参考文献
第十二章智能化方法
12. 1人工智能简述
12. 2专家系统
12. 3知识的表示
12. 4智能推理技术
12. 5不确定性推理
参考文献