模式識別 吳建鑫 9787111766674 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202501*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：模式識別
ISBN：9787111766674
出版社：機械工業
著編譯者：吳建鑫
頁數：366
所在地：中國大陸 *此為代購商品
書號：1716958
可大量預訂，請先連絡。

內容簡介

本書是模式識別領域的入門教材，系統闡述了模式識別的基礎知識、主要模型及熱門應用，並給出了近年來本領域一些新的成果和觀點。本書可作為高等院校人工智能、計算機、自動化、電子和通信等相關專業研究生或本科生的教材，也可供相關領域研究人員和工程技術人員參考。全書共15章，分為五部分：第一部分（第1～4章）介紹了模式識別的基礎知識；第二部分（第5～6章）介紹了與領域知識無關的特徵提取；第三部分（第7～10章）介紹了分類器與其他工具；第四部分（第11～12章）介紹了如何處理變化多端的數據；第五部分（第13～15章）介紹了一些高階課題，包括正態分佈、EM算法和卷積神經網絡。 本書可作為高等院校人工智能、計算機、自動化、電子和通信等相關專業研究生或本科生的教材，也可供相關領域研究人員和工程技術人員參考。

作者簡介

吳建鑫，南京大學計算機科學與技術系教授、博士生導師，入選中組部青年海外高層次人才引進計劃(青年幹人計劃)，2014年獲得國家自然科學基金委優秀青年科學基金項目支持。同時，擔任Mineye首席科學家(minieye CC)。主要從事計算機視覺和機器學習等領域的研究。在重要國際期刊如TPAMl、IJCV、AIJ、JMLR等以及重要國際會議如lCCV、CVPR、ICML等發表論文60餘篇。曾擔任國際會議ICCV、AAAI、CVPR等領域主席。發表論文被60餘個國家和地區的學者引用7000餘次。

目錄

前言
符號表
第一部分 概述
第1章 緒論
1 1 樣例：自動駕駛
1 2 模式識別與機器學習
1 2 1 一個典型的模式識別流程
1 2 2 模式識別與機器學習
1 2 3 評估、部署和細化
1 3 本書的結構
習題
第2章 數學背景知識
2 1 線性代數
2 1 1 內積、范數、距離和正交性
2 1 2 角度與不等式
2 1 3 向量投影
2 1 4 矩陣基礎
2 1 5 矩陣乘法
2 1 6 方陣的行列式與逆
2 1 7 方陣的特徵值、特徵向量、秩和跡
2 1 8 奇異值分解
2 1 9 (半)正定實對稱矩陣
2 2 概率
2 2 1 基礎
2 2 2 聯合分佈、條件分佈與貝葉斯定理
2 2 3 期望與方差/協方差矩陣
2 2 4 不等式
2 2 5 獨立性與相關性
2 2 6 正態分佈
2 3 優化與矩陣微積分
2 3 1 局部極小、必要條件和矩陣微積分
2 3 2 凸優化與凹優化
2 3 3 約束優化和拉格朗日乘子法
2 4 算法複雜度
2 5 閱讀材料
習題
第3章 模式識別系統概述
3 1 人臉識別
3 2 一個簡單的最近鄰分類器
3 2 1 訓練或學習
3 2 2 測試或預測
3 2 3 最近鄰分類器
3 2 4 k-近鄰
3 3 醜陋的細節
3 4 制定假設並化簡
3 4 1 設計工作環境與設計複雜算法
3 4 2 假設與簡化
3 5 一種框架
3 6 閱讀材料
習題
第4章 評估
4 1 簡單情形中的準確率和錯誤率
4 1 1 訓練與測試誤差
4 1 2 過擬合與欠擬合
4 1 3 使用驗證集來選擇超參數
4 1 4 交叉驗證
4 2 最小化代價/損失
4 2 1 正則化
4 2 2 代價矩陣
4 2 3 貝葉斯決策理論
4 3 不平衡問題中的評估
4 3 1 單個類別內的比率
4 3 2 ROC曲線下的面積
4 3 3 查准率、查全率和F值
4 4 我們能達到100％的準確率嗎？
4 4 1 貝葉斯錯誤率
4 4 2 真實標記
4 4 3 偏置-方差分解
4 5 對評估結果的信心
4 5 1 為什麼要取平均？
4 5 2 為什麼要報告樣本標準差？
4 5 3 比較兩個分類器
4 6 閱讀材料
習題
第二部分 與領域知識無關的特徵提取
第5章 主成分分析
5 1 動機
5 1 1 維度與內在維度
5 1 2 降維
5 1 3 PCA與子空間方法
5 2 PCA降維到零維子空間
5 2 1 想法-形式化-優化實踐
5 2 2 一個簡單的優化
5 2 3 一些註釋
5 3 PCA降維到一維子空間
5 3 1 新的形式化
5 3 2 最優性條件與化簡
5 3 3 與特徵分解的聯繫
5 3 4 解
5 4 PCA投影到更多維度
5 5 完整的PCA算法
5 6 方差的分析
5 6 1 從最大化方差出發的PCA
5 6 2 一種更簡單的推導
5 6 3 我們需要多少維度呢？
5 7 什麼時候使用或不用PCA呢？
5 7 1 高斯數據的PCA
5 7 2 非高斯數據的PCA
5 7 3 含異常點數據的PCA
5 8 白化變換
5 9 特徵分解與SVD
5 10 閱讀材料
習題
第6章 Fisher線性判別
6 1 用於二分類的FLD
6 1 1 想法：什麼是隔得很遠呢
6 1 2 翻譯成數學語言
6 1 3 散度矩陣與協方差矩陣
6 1 4 兩種散度矩陣以及FLD的目標函數
6 1 5 優化
6 1 6 等等，我們有一條捷徑
6 1 7 二分類問題的FLD
6 1 8 陷阱：要是S_W不可逆呢
6 2 用於多類的FLD
6 2 1 稍加修改的符號和S
6 2 2 S_B的候選
6 2 3 三個散度矩陣的故事
6 2 4 解
6 2 5 找到更多投影方向
6 3 閱讀材料
習題
第三部分 分類器與其他工具
第7章 支持向量機
7 1 SVM的關鍵思想
7 1 1 簡化它!簡化它!簡化它
7 1 2 查找最大(或較大)間隔的分類器
7 2 可視化並計算間隔
7 2 1 幾何的可視化
7 2 2 將間隔作為優化來計算
7 3 最大化間隔
7 3 1 形式化
7 3 2 各種簡化
7 4 優化與求解
7 4 1 拉格朗日函數與KKT條件
7 4 2 SVM的對偶形式
7 4 3 最優的b值與支持向量
7 4 4 同時考慮原始形式與對偶形式
7 5 向線性不可分問題

第四部分 處理變化多端的數據
第五部分 高階課題
參考文獻
英文索引
中文索引
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。