模式識別及Python實現 曾慧 李擎 張利欣 9787302689911 【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：202504*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：模式識別及Python實現
ISBN：9787302689911
出版社：清華大學出版社
著編譯者：曾慧 李擎 張利欣
頁數：213
所在地：中國大陸 *此為代購商品
書號：1737658
可大量預訂，請先連絡。

內容簡介 模式識別是人工智能領域的重要分支之一。本書是該領域入門教材，內容儘可能涵蓋模式識別基礎知識的各方面。全書共分9章，第1章介紹模式識別的基本概念、模式識別系統的組成；第2章介紹模式識別中的線性分類器；第3章介紹模式識別中的貝葉斯分類器；第4章介紹模式識別中的概率密度函數估計；第5章介紹模式識別中的其他典型分類方法；第6章介紹模式識別中的特徵提取與選擇；第7章介紹模式識別中常見的聚類分析方法；第8章介紹深度學習中的卷積神經網絡和循環神經網絡；第9章介紹模式識別的一些典型應用以及當前流行的大模型技術和生成式技術。除第1章和第9章外，每章均附有Python實現的相關算法，且提供相關習題，以便讀者鞏固所學知識。 本書可以作為高等院校相關專業本科生和研究生的教材，也可以作為教輔資料，還可以作為模式識別領域科研人員和技術愛好者的參考資料。

作者簡介 李擎，博士，北京科技大學自動化學院教授。講授「電路分析基礎」「工業自動化生產線實訓」「智能控制理論及應用」等課程。8次榮獲北京科技大學「我愛我師——我心目中最優秀的老師」榮譽稱號（金質獎章）。出版教材7部。參与國家自然科學基金項目、國家重點研發計劃重點專項項目的科研工作，主持多項橫向項目。

目錄 第1章 模式識別概述
1 1 基本概念
1 2 系統組成
1 2 1 數據獲取
1 2 2 預處理
1 2 3 特徵提取與選擇
1 2 4 分類識別
1 3 基本方法
1 3 1 根據表示方式分類
1 3 2 根據學習方法分類
1 4 應用場景
1 4 1 圖像識別與檢索
1 4 2 生物特徵識別
1 4 3 文字識別
1 4 4 語音識別
1 5 本書的主要內容
第2章 線性分類器
2 1 基本概念
2 2 Fisher線性判別分析
2 3 感知器算法
2 3 1 規範化增廣樣本向量和解區
2 3 2 感知器準則函數
2 4 廣義線性判別函數
2 5 多類線性分類器
2 5 1 兩分法
2 5 2 多類線性分類器
2 6 Python實現
2 6 1 Fisher線性分類器
2 6 2 感知器
習題
第3章 貝葉斯分類器
3 1 基本概念
3 1 1 先驗概率
3 1 2 類條件概率密度
3 1 3 后驗概率
3 1 4 貝葉斯公式
3 2 貝葉斯決策
3 2 1 最小錯誤率貝葉斯決策
3 2 2 最小風險貝葉斯決策
3 3 基於正態分佈的最小錯誤率貝葉斯分類器
3 4 樸素貝葉斯分類器
3 5 Python實現
3 5 1 最小錯誤率貝葉斯決策和最小風險貝葉斯決策
3 5 2 基於正態分佈的最小錯誤率貝葉斯決策
3 5 3 樸素貝葉斯分類器
習題
第4章 概率密度函數估計
4 1 基本概念
4 2 最大似然估計方法
4 3 貝葉斯估計與貝葉斯學習
4 3 1 貝葉斯估計
4 3 2 貝葉斯學習
4 4 非參數估計的基本原理
4 5 Parzen窗口估計法
4 6 kN近鄰估計法
4 7 Python實現
4 7 1 Parzen窗口估計法
4 7 2 kN近鄰估計法
習題
第5章 其他典型分類方法
5 1 近鄰法
5 1 1 最近鄰法
5 1 2 k-近鄰法
5 1 3 改進的近鄰法
5 2 支持向量機
5 2 1 線性可分的情況
5 2 2 線性不可分情況
5 3 決策樹
5 3 1 基本概念
5 3 2 信息增益
5 3 3 信息增益率
5 3 4 基尼指數
5 3 5 剪枝處理
5 3 6 連續值處理
5 3 7 缺失值處理
5 4 隨機森林
5 4 1 基本概念
5 4 2 袋外錯誤率
5 5 Boosting方法
5 6 Python實現
5 6 1 線性支持向量機
5 6 2 決策樹度量指標計算
習題
第6章 特徵提取與選擇
6 1 基本概念
6 2 類別可分性判斷依據
6 2 1 類別可分性準則
6 2 2 基於距離的類別可分性判據
6 2 3 基於概率密度函數的類別可分性判據
6 2 4 基於熵的類別可分性判據
6 3 主成分分析法
6 4 多維尺度分析
6 4 1 多維尺度法的概念
6 4 2 古典解的求法
6 5 特徵選擇方法
6 5 1 最優搜索算法
6 5 2 次優搜索算法
6 6 Python實現
6 6 1 主成分分析法
6 6 2 多維尺度分析
習題
第7章 聚類分析
7 1 基於模型的方法
7 2 動態聚類方法
7 2 1 C均值算法
7 2 2 ISODATA算法
7 3 基於密度的聚類算法
7 3 1 DBSCAN算法
7 3 2 增量DBSCAN聚類算法
7 3 3 DBSCAN算法的改進算法
7 4 分級聚類方法
7 5 Python實現
7 5 1 C均值算法
7 5 2 ISODATA算法
7 5 3 DBSCAN算法
7 5 4 分級聚類算法
習題
第8章 深度神經網絡
8 1 卷積神經網絡
8 1 1 基本原理
8 1 2 輸入層
8 1 3 卷積層
8 1 4 池化層
8 1 5 典型網絡結構
8 2 循環神經網絡
8 2 1 基本原理
8 2 2 典型網絡結構
8 3 注意力機制
8 3 1 認知神經學中的注意力
8 3 2 網絡中的注意力機制
8 3 3 自注意力
8 4 Python實現
8 4 1 LeNet5網絡實現手寫數字識別
8 4 2 循環神經網絡實現手寫數字識別
8 4 3 GRU的Python實現
習題
第9章 模式識別在圖像分析中的應用與發展
9 1 圖像分類
9 2 微觀組織圖像分割系統
9 3 人耳識別系統設計及實現
9 4 大模型網絡及其應用
參考文獻
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。