模式識別-原理.應用及實現 郭志強 9787302682325 【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：202503*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-原理.應用及實現
ISBN：9787302682325
出版社：清華大學
著編譯者：郭志強
頁數：202
所在地：中國大陸 *此為代購商品
書號：1719461
可大量預訂，請先連絡。

內容簡介

本書主要介紹模式識別的基礎知識、基本方法、原理實現和典型工程應用。全書共10章。第1章介紹模式識別的基礎知識；第2章介紹貝葉斯決策理論；第3章介紹概率密度函數的參數估計；第4章介紹非參數判別分類方法；第5章介紹聚類分析；第6章介紹特徵提取與選擇；第7章介紹模糊模式識別；第8章介紹神經網絡在模式識別中的應用；第9章介紹典型深度學習模型及應用；第10章介紹模式識別的工程應用。每章的內容安排從問題背景引入，系統講述基本原理、方法和實踐應用（通過Python軟體編程）。本書內容傳統與前沿結合，理論與實踐並重，做到基本理論、實際編程與工程應用的統一。本書已入選「武漢理工大學本科教材建設專項基金項目」 本書可作為高等院校電子信息類、計算機類、自動化類等相關專業本科生的教材，以及信息與通信工程、控制科學與工程、計算機科學與技術等專業研究生的教材；也可作為從事人工智能相關研究與開發的工程技術人員的參考書。

作者簡介

郭志強 武漢理工大學信息工程學院教授，電子信息工程國家級一流本科專業建設點負責人，「模式識別」全國工程類專業學位研究生在線開放課程負責人，「數字信號處理」湖北省一流本科課程負責人，「數字圖像處理」國家級線上一流本科課程主要成員。主要研究方向為智能信號處理、圖像處理與模式識別、數據挖掘與機器學習。編著普通高等教育「十一五」國家級規劃教材1部，主編、參編教材8部。近年來先後主持或參与包括國家自然科學基金、湖北省自然科學基金、教育部留學回國人員科研啟動基金、湖北省科技計劃項目、武漢市重點研發計劃項目等10餘項科研項目。獲湖北省教學成果獎一等獎2項、二等獎1項。在國內外重要學術期刊和國際學術會議上發表論文80餘篇，其中SCI、EI收錄論文40餘篇，授權發明專利4項。

目錄

第1章 緒論
1 1 模式識別的基本概念
1 1 1 生物的識別能力
1 1 2 模式識別的概念
1 1 3 模式識別的特點
1 1 4 模式的描述方法及特徵空間
1 2 模式識別系統的組成和主要方法
1 2 1 模式識別系統的組成
1 2 2 模式識別的方法
1 3 模式識別的應用舉例
1 3 1 文字識別
1 3 2 語音識別
1 3 3 指紋識別
1 3 4 遙感圖像識別
1 3 5 醫學診斷
1 3 6 無損檢測
1 4 全書結構內容
第2章 貝葉斯決策理論
微課視頻39分鐘
2 1 幾個重要的概念
2 2 幾種常用的決策規則
2 2 1 基於最小錯誤率的貝葉斯決策
2 2 2 最小風險判別規則
2 2 3 最大似然比判別規則
2 2 4 Neyman-Pearson判別規則
2 3 正態分佈中的貝葉斯分類方法
2 4 Python程序實現
習題及思考題
第3章 概率密度函數的參數估計
微課視頻8分鐘
3 1 概率密度函數估計概述
3 2 最大似然估計
3 3 貝葉斯估計與貝葉斯學習
3 4 非參數估計
3 4 1 非參數估計的基本方法
3 4 2 Parzen窗法
3 4 3 kN-近鄰估計法
3 5 Python示例
習題及思考題
第4章 非參數判別分類方法
微課視頻71分鐘
4 1 線性分類器
4 1 1 線性判別函數的基本概念
4 1 2 多類問題中的線性判別函數
4 1 3 廣義線性判別函數
4 1 4 線性分類器的主要特性及設計步驟
4 1 5 感知器算法
4 1 6 Fisher線性判別函數
4 2 非線性判別函數
4 2 1 非線性判別函數與分段線性判別函數
4 2 2 基於距離的分段線性判別函數
4 3 支持向量機
4 3 1 線性可分情況
4 3 2 線性不可分情況
4 4 Python示例
習題及思考題
第5章 聚類分析
微課視頻53分鐘
5 1 模式相似性測度
5 1 1 距離測度
5 1 2 相似測度
5 1 3 匹配測度
5 2 類間距離測度方法
5 2 1 最短距離法
5 2 2 最長距離法
5 2 3 中間距離法
5 2 4 重心法
5 2 5 平均距離法(類平均距離法)
5 3 聚類準則函數
5 3 1 誤差平方和準則
5 3 2 加權平均平方距離和準則
5 3 3 類間距離和準則
5 3 4 離散度矩陣
5 4 基於距離閾值的聚類算法
5 4 1 最近鄰規則的聚類算法
5 4 2 最大最小距離聚類算法
5 5 動態聚類算法
5 5 1 C均值聚類算法
5 5 2 ISODATA聚類算法
5 6 Python示例
習題及思考題
第6章 特徵提取與選擇
微課視頻39分鐘
6 1 類別可分性判據
6 2 基於距離的可分性判據
6 3 按概率距離判據的特徵提取方法
6 4 基於熵函數的可分性判據
6 5 基於Karhunen-Loeve變換的特徵提取
6 5 1 Karhunen-Loeve變換
6 5 2 使用Karhunen-Loeve變換進行特徵提取
6 6 特徵選擇
6 6 1 次優搜索法
6 6 2 最優搜索法
6 7 Python示例
習題及思考題
第7章 模糊模式識別
微課視頻44分鐘
7 1 模糊數學的基礎知識
7 1 1 集合及其特徵函數
7 1 2 模糊集合
7 1 3 模糊集合的λ水平截集
7 1 4 模糊關係及模糊矩陣
7 2 模糊模式識別方法
7 2 1 最大隸屬度識別法
7 2 2 擇近原則識別法
7 2 3 基於模糊等價關係的聚類方法
7 2 4 模糊C均值聚類
7 3 Python示例
習題及思考題
第8章 神經網絡在模式識別中的應用
微課視頻106分鐘
8 1 人工神經網絡的基礎知識
8 1 1 人工神經網絡的發展歷史
8 1 2 生物神經元
8 1 3 人工神經元
8 1 4 人工神經網絡的特點
8 2 前饋神經網絡
8 2 1 感知器
8 2 2 多層感知器
8 3 自組織特徵映射網絡
8 3 1 自組織神經網絡結構
8 3 2 自組織神經網絡的識別過程
8 3 3 自組織神經網絡的學習過程
8 4 徑向基函數(RBF)神經網絡
8 4 1 RBF神經網絡結構
8 4 2 徑向基函數
8 4 3 RBF神經網絡的學習過程
8 5 Python示例
習題及思考題
第9章 典型深度學習模型及應用
9 1 深度學習
9 1 1 深度學習介紹
9 1 2 受限玻爾茲曼機
9 1 3 深度置信網絡
9 1 4 卷積神經網絡
9 2 R-CNN系列原理及方法
9 2 1 R-CNN原理及方法
9 2 2 Fast R-CNN原理及方法
9 3 LSTM模型
9 4 Transformer模型
9 4 1 編碼器結構
9 4 2 解碼器結構
9 5 深度學習應用實例
習題及思考題
第10章 模式識別的工程應用
微課視頻68分鐘
10 1 基於樸素貝葉斯的中文文本分類
10 1 1 文本分類原理
10 1 2 文本特徵提取
10 1 3 樸素貝葉斯分類器設計
10 1 4 測試文本分類
10 2 基於PCA和SVM的人臉識別
10 2 1 人臉圖像獲取
10 2 2 人
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。