模式分類 原書第2版典藏版

李宏東 姚天翔

模式分類 原書第2版典藏版

商品描述

本書的第1版《模式分類與場景分析》出版於1973年，是模式識別和場景分析領域奠基性的經典名著。在第2版中，除了保留了第1版的關於統計模式識別和結構模式識別的主要內容以外，讀者將會發現新增了許多近25年來的新理論和新方法，其中包括神經網絡、機器學習、數據挖掘、進化計算、不變量理論、隱馬爾可夫模型、統計學習理論和支持向量機等。作者還為未來25年的模式識別的發展指明瞭方向。書中包含許多實例，各種不同方法的對比，豐富的圖表，以及大量的課後習題和計算機練習。本書作為流行和經典的教材，主要面向電子工程、計算機科學、數學和統計學、媒體處理、模式識別、計算機視覺、人工智能和認知科學等領域的研究生和高年級本科生，也可作為相關領域科技人員的重要參考書。

作者簡介

理乍得·O.杜達（Richard O.Duda）聖何塞州立大學電氣工程系榮休教授，以其在聲音定位和模式識別方面的工作而聞名。美國人工智能學會會士、IEEE會士。擁有麻省理工學院博士學位。

目錄大綱

譯者序
前言
第1章 緒論
1.1 機器感知
1.2 一個例子
1.3 模式識別系統
1.3.1 傳感器
1.3.2 分割和組織
1.3.3 特徵提取
1.3.4 分類器
1.3.5 後處理
1.4 設計循環
1.4.1 數據採集
1.4.2 特徵選擇
1.4.3 模型選擇
1.4.4 訓練
1.4.5 評價
1.4.6 計算覆雜度
1.5 學習和適應
1.5.1 有監督學習
1.5.2 無監督學習
1.5.3 強化學習
本章小結
全書各章概要
文獻和歷史評述
參考文獻
第2章 貝葉斯決策論
2.1 引言
2.2 貝葉斯決策論——連續特徵
2.3 最小誤差率分類
*2.3.1 極小化極大準則
*2.3.2 NeymanPearson準則
2.4 分類器、判別函數及判定面
2.4.1 多類情況
2.4.2 兩類情況
2.5 正態密度
2.5.1 單變量密度函數
2.5.2 多元密度函數
2.6 正態分佈的判別函數
2.6.1 情況1：Σi=σ2I
2.6.2 情況2：Σi=Σ
2.6.3 情況3：Σi=任意
*2.7 誤差概率和誤差積分
*2.8 正態密度的誤差上界
2.8.1 Chernoff界
2.8.2 Bhattacharyya界
2.8.3 信號檢測理論和操作特性
2.9 貝葉斯決策論——離散特徵
2.9.1 獨立的二值特徵
*2.10 丟失特徵和噪聲特徵
2.10.1 丟失特徵
2.10.2 噪聲特徵
*2.11 貝葉斯置信網
*2.12 覆合貝葉斯決策論及上下文
本章小結
文獻和歷史評述
習題
上機練習
參考文獻
第3章 最大似然估計和貝葉斯參數估計
3.1 引言
3.2 最大似然估計
3.2.1 基本原理
3.2.2 高斯情況：μ未知
3.2.3 高斯情況：μ和Σ均未知
3.2.4 估計的偏差
3.3 貝葉斯估計
3.3.1 類條件密度
3.3.2 參數的分佈
……
第4章 非參數技術
第5章 線性判別函數
第6章 多層神經網絡
第7章 隨機方法
第8章 非度量方法
第9章 獨立於算法的機器學習
第10章 無監督學習和聚類
附錄A 數學基礎
索引

類似商品