人工智能之模式識別 高琪 潘峰 李位星等 9787111776437 【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：202412*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：人工智能之模式識別
ISBN：9787111776437
出版社：機械工業
著編譯者：高琪 潘峰 李位星等
頁數：238
所在地：中國大陸 *此為代購商品
書號：1737132
可大量預訂，請先連絡。

內容簡介

本書是一本全面介紹模式識別領域相關知識的教材，為讀者提供模式識別技術的基本概念、算法體系和歷史發展脈絡，從基本模型和底層原理出發深入探討各種模式識別方法的核心機制與應用策略。本書內容首先介紹了人工智能的概念內涵，以及模式識別與人工智能、機器學習的相互關係，然後詳細闡述了模式識別的一系列基本概念，分析了模式識別問題的解決思路，建立了完整的模式識別系統。書中針對線性分類器、貝葉斯分類器、最近鄰分類器、組合分類器、數據聚類、模糊模式識別、神經網絡模式識別和結構模式識別等各類算法進行了詳細講解，構建了完整的算法體系，並探討了特徵工程、統計學習理論等模式識別和機器學習中的基礎性問題。本書強化了模式識別技術的實踐應用，通過典型算法案例的分析和實現來幫助讀者更加深入地理解所學內容，增強實踐能力。 本書主要面向高等院校計算機、自動化、大數據、信息電子等人工智能相關本科專業的學生用作學習模式識別課程的教材，也可供相關學科領域的研究生、科研人員、工程技術人員和社會學習者作為學習、研究和工程實踐的參考。

目錄

前言
各章電子資源對照表
第1章 緒論
1 1 人工智能之模式識別
1 1 1 生物識別能力
1 1 2 模式識別與人工智能和機器學習
1 1 3 模式識別技術的歷史發展
1 2 模式識別的基本概念
1 2 1 樣本、模式和類
1 2 2 特徵、特徵空間和特徵向量
1 2 3 相似度、緊緻性和維數災難
1 2 4 有監督學習和無監督學習
1 2 5 泛化能力與過擬合
1 3 模式識別工程
1 3 1 模式識別系統的組成
1 3 2 模式識別的算法體系
1 3 3 模式識別的典型應用
1 4 模式識別算法實例
算法案例
思考題
拓展閱讀
參考文獻
第2章 特徵生成和特徵降維
2 1 特徵工程
2 1 1 特徵工程的概念
2 1 2 特徵工程的方法
2 2 主成分分析
2 3 類別可分性度量
2 3 1 類別可分性度量準則
2 3 2 類內類間距離
2 3 3 概率距離
2 4 基於類別可分性度量的特徵提取
2 4 1 準則函數構造
2 4 2 基於J2準則的特徵提取
2 5 特徵選擇算法
2 5 1 獨立算法
2 5 2 窮舉算法
2 5 3 分支定界法
2 5 4 次優算法
思考題
拓展閱讀
參考文獻
第3章 統計學習理論
3 1 機器學習的基本問題
3 1 1 機器學習問題的描述
3 1 2 經驗風險最小化原則
3 2 學習過程的一致性
3 3 函數集的容量與VC維
3 4 推廣性的界
3 5 結構風險最小化
3 6 正則化方法
思考題
拓展閱讀
參考文獻
第4章 線性分類器
4 1 判別函數
4 1 1 線性判別函數
4 1 2 廣義線性化
4 2 線性分類器原理
4 2 1 線性分類器設計
4 2 2 線性分類器訓練
4 2 3 線性分類器分析
4 3 感知器算法
4 3 1 感知器原理
4 3 2 感知器訓練
4 3 3 感知器分析
4 3 4 感知器網絡
4 4 LMSE算法
4 4 1 線性分類器的鬆弛求解
4 4 2 H-K算法
4 5 Fisher算法
4 5 1 Fisher分類器原理
4 5 2 Fisher分類器分析
4 6 支持向量機
4 6 1 線性支持向量機
4 6 2 軟間隔支持向量機
4 6 3 非線性支持向量機
算法案例
算法案例
思考題
拓展閱讀
參考文獻
第5章 貝葉斯分類器
5 1 貝葉斯推理原理
5 1 1 逆概率推理
5 1 2 貝葉斯公式
5 1 3 貝葉斯分類
5 2 貝葉斯決策算法
5 2 1 最小錯誤率貝葉斯分類
5 2 2 最小風險貝葉斯分類
5 2 3 樸素貝葉斯分類
5 3 貝葉斯分類器分析
5 3 1 正態分佈下的貝葉斯分類
5 3 2 貝葉斯分類的錯誤率
5 4 貝葉斯分類器的訓練
5 4 1 貝葉斯分類器訓練的原理
5 4 2 最大似然估計
5 4 3 貝葉斯估計
算法案例
思考題
拓展閱讀
參考文獻
第6章 最近鄰分類器
6 1 模板匹配算法
6 2 最近鄰分類器
6 3 KNN算法
6 3 1 KNN算法原理
6 3 2 KNN算法的錯誤率
6 4 改進KNN算法
6 4 1 快速KNN算法
6 4 2 壓縮近鄰法
算法案例
思考題
拓展閱讀
參考文獻
第7章 組合分類器
7 1 組合分類器原理
7 2 組合分類器的主要類型
7 2 1 Bagging算法
7 2 2 Boosting算法
7 2 3 Stacking算法
7 3 隨機森林算法
7 4 Adaboost算法
算法案例
思考題
拓展閱讀
參考文獻
第8章 數據聚類
8 1 數據聚類原理
8 1 1 數據聚類的定義
8 1 2 數據聚類的特點
8 1 3 數據聚類的應用
8 2 數據聚類算法
8 2 1 試探法聚類
8 2 2 層次聚類
8 2 3 動態聚類
8 3 數據聚類的流程
8 3 1 聚類特徵選擇
8 3 2 相似度度量標準
8 3 3 聚類準則
8 3 4 聚類算法選擇
8 3 5 聚類結果評價
算法案例
思考題
拓展閱讀
參考文獻
第9章 模糊模式識別
9 1 模糊數學基礎
9 1 1 模糊集合的定義及基本運算
9 1 2 模糊關係及模糊矩陣
9 2 最大隸屬度識別
9 2 1 形式一
9 2 2 形式二
9 3 擇近原則識別
9 3 1 貼近度
9 3 2 擇近識別算法
9 4 模糊聚類算法
9 4 1 模糊層次聚類
9 4 2 模糊K-均值聚類
算法案例
思考題
拓展閱讀
參考文獻
第10章 神經網絡模式識別
10 1 人工神經網絡的原理
10 1 1 人工神經元模型
10 1 2 人工神經網絡模型
10 1 3 人工神經元的學習規則
10 1 4 人工神經網絡的學習規則
10 2 淺層神經網絡
10 2 1 感知器網絡
10 2 2 反向傳播網絡
10 3 深度學習
10 3 1 深度信念網絡
10 3 2 卷積神經網絡
10 3 3 循環神經網絡
10 3 4 Transformer網絡
10 4 預訓練大模型
10 4 1 ChatGPT工作原理

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。