模式分析與其核方法 孫即祥 9787302630678 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$439
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202409*若逾兩年請先於私訊洽詢存貨情況，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：模式分析與其核方法 ISBN：9787302630678 出版社：清華大學 著編譯者：孫即祥 頁數：281 所在地：中國大陸 *此為代購商品 書號：1681141 可大量預訂，請先連絡。 內容簡介 模式分析的主要任務是了解數據源或數據集的內在結構、關係和規律，並運用學習后的分析系統對新的數據進行預測預判，或根據已有模式知識進一步了解更深層次的知識。本書第1章宏觀介紹模式分析。第2章主要論述模式分析的基本原則與策略；集中度、容量、VC維、Rademacher理論，它們是模式分析的頂層思想和泛化錯誤率分析的基礎理論。第3章給出後面各章節共用的核函數與核映射空間知識。在前面3章的基礎上，續而討論具體的模式分析與核方法，各章節首先比較詳細地論述基本原理和方法，然後利用核函數有關理論或核技巧「平滑過渡」到核映射空間中的模式分析。第4章論述數據分析與模式分析，包括：矩陣奇異值分解與廣義本徵分解；Fisher判別分析；主成分分析；相關分析；回歸分析等。第5章論述支持矢量機，包括：硬間隔支持矢量機；軟間隔支持矢量機；支持矢量機的泛化錯誤率；訓練樣本具有不確定性的支持矢量機；樣本類內縮聚與兩類樣本數不均的補償。第6章論述支持矢量數據描述，包括：包含全部樣本的最小球；包含大部分樣本的最優球；樣本加權的支持矢量數據描述；小球大間隔SVDD；最優橢球數據描述；基於距離學習和SVDD的判別方法。第7章論述支持矢量回歸，包括：嶺回歸；一范數ε-不敏損失支持矢量回歸；二范數ε-不敏損失支持矢量回歸。第8章論述核函數的優化，包括：基於誤差界的核函數參數尋優方法；核極化方法；核調準方法；根據核矩陣估計可分性與二范數SVM核調準；核映射空間的Fisher判據；基於Fisher準則的擴展數據相關核函數的優化演算法；多核學習。 本書可供信息、控制、數據科學、人工智慧、計算機類及其他相關專業和研究方向的研究生、本科高年級學生作為關於信息分析、檢測、識別、知識發現的教材或教學參考書，也可作為有關科技人員的科研參考書。作者簡介 孫即祥，國防科技大學教授。1965年入學哈爾濱軍事工程學院雷達專業，1970年畢業，1981年獲得國防科技大學無線電末制導專業碩士學位，畢業后留校長期從事智能信息處理與機器視覺科研與教學工作，是信息工程、電路與系統學科的學術帶頭人。 在教學上，對信息處理主流領域的模式識別和圖像信息相關課程進行頂層設計，構建了相對完整系統的「兩縱三橫」課程體系。2005年獲全軍教學成果二等獎，2006年獲湖南省高等教育省級教學成果獎二等獎，2004年獲全軍育才獎金獎，2007年被評為全軍優秀教師；2007年榮立三等功。長期講授和建設的「模式識別」課程2009年被評為國家精品課程，講授的「現代模式識別」課程被評為湖南省研究生精品課程建設項目。 指導並參与完成了多項863項目、973子專題、國防預研基金項目、國防預研項目，以及學術相關的多個「橫向」外協項目。曾獲國防科工委科技進步二等獎兩項，軍隊科技進步三等獎一項。 相續出版了《模式識別中的特徵提取與計算機視覺不變數》（國防科技圖書出版基金）、《現代模式識別》教育部學位管理與研究生教育司推薦研究生教學用書）、《圖像處理》（普通高等教育「十一五」國家級規劃教材）、《圖像分析》、《圖像壓縮與投影重建》、《張量投票方法及其在機器視覺中的應用》等10餘部學術著作和教材。目錄 第1章 緒論1 1 概述 1 2 模式識別 1 2 1 模式識別系統 1 2 2 模式識別的基本方法 1 3 數據分析 1 3 1 Fisher判別分析 1 3 2 主成分分析 1 3 3 典型相關分析 1 3 4 回歸分析 1 4 本書各章主要內容及其關係 參考文獻 第2章 模式分析的原則與策略 2 1 利用類域界面分類原理和多類分類策略 2 1 1 特徵矢量和特徵空間 2 1 2 用判別域界面方程分類的概念 2 1 3 線性判別函數 2 1 4 兩類問題 2 1 5 多類問題 2 1 6 判別函數值的大小、正負的鑒別意義 2 1 7 權空間、解矢量與解空間 2 1 8 球面分類界面和橢球面分類界面 2 2 模式分析的基本原則 2 2 1 沒有免費午餐定理 2 2 2 醜小鴨定理 2 2 3 最小描述長度原理 2 2 4 誤差中偏差和方差的分析 2 3 集中度、容量、VC維、Rademacher理論 2 3 1 集中度、容量、Rademacher複雜度 2 3 2 VC維 2 4 經驗風險最小化、結構風險最小化 2 5 錯誤率的實驗估計 2 5 1 交叉驗證法 2 5 2 從學習曲線估計錯誤率 2 6 Akaike信息準則與貝葉斯信息準則 2 6 1 Akaike信息準則 2 6 2 貝葉斯信息準則 2 7 預測器選擇的統計方法 2 7 1 小差別錯誤率的分類器選擇的統計檢驗 2 7 2 預測器可靠性度量 參考文獻 第3章 核函數與核映射空間 3 1 核函數與核映射 3 1 1 核函數、希爾伯特空間 3 1 2 Mercer定理 3 1 3 再生核理論 3 1 4 核矩陣在核方法中的作用 3 2 核函數的運算——構造新的核映射空間 3 3 核映射空間中一些量值的核函數表示 參考文獻 第4章 數據分析 4 1 矩陣奇異值分解與矩陣廣義本徵分解 4 1 1 矩陣奇異值分解 4 1 2 矩陣廣義本徵分解 4 2 Fisher判別分析 4 2 1 Fisher判別分析的原理 4 2 2 FDA的奇異問題 4 2 3 多類問題中Fisher方法的其他幾種準則 4 2 4 多類問題行比準則的Fisher分析方法 4 2 5 採用型比準則的Fisher迭代演算法 4 2 6 採用跡比準則的Fisher迭代演算法 4 2 7 採用差跡準則的Fisher迭代演算法 4 2 8 核映射空間中的Fisher方法 4 2 9 正則化核Fisher判別分析 4 3 局部均值判別分析 4 3 1 局部均值判別 4 3 2 加權LMDA 4 3 3 核局部均值判別 4 3 4 加權KLMDA 4 4 主成分分析 4 4 1 主成分分析原理與性質 4 4 2 核映射空間中的主成分分析 4 4 3 KPCA性能穩定性分析 4 4 4 PCA的應用 4 5 兩個數據集間的相關分析 4 5 1 基於協方差和雙PCA的兩數據集相關分析 4 5 2 典型相關分析 4 6 回歸分析 4 6 1 線性回歸 4 6 2 主成分回歸 4 6 3 基於兩數據集協方差陣奇異值分解的回歸 4 6 4 偏最小二乘回歸 4 7 聚類分析 4 7 1 概述 4 7 2 C-均值演算法 4 7 3 改進的C-均值演算法 4 7 4 核映射空間中C-均值聚類 4 7 5 最大間隔聚類方法 4 8 基於流形學習的數據降維 4 8 1 數據降維 4 8 2 流形與流形學習 4 8 3 拉普拉斯本徵映射 4 8 4 局部保持映射演算法 4 8 5 核局部保持映射演算法 參考文獻 第5章 支持矢量機 5 1 概述 5 2 硬問隔支持矢量機 5 2 1 線性支持矢量機 5 2 2 非線性支持矢量機 5 2 3 硬間隔支持矢量機泛化錯誤率 5 3 軟間隔支持矢量機 5 3 1 軟間隔線性支持矢量機 5 3 2 l1-軟間隔支持矢量機 5 3 3 l1-軟間隔支持矢量機的泛化錯誤率 5 3 4 l1-軟間隔支持矢量機及其泛化界 5 4 訓練樣本具有不確定性的支持矢量機 5 5 樣本類內縮聚與兩類樣本數不均的補償 5 5 1 核映射空間中樣本類內縮聚 5 5 2 兩類訓練樣本數目不均情況下的懲罰係數補償 參考文獻 第6章 支持矢量數據描述 6 1 概述 6 2 包含全部點集的最小球 6 2 1 包含全部樣本的最小球 6 2 2 包含核映射空間中全部樣本的最小球 6 2 3 基於SVDD異常檢測的統計特性 6 3 包含大部分點集的最優球 6 3 1 包含大部分樣本的最優球 6 3 2 包含核映射空間大部分樣本的最優球 6 3 3 v-軟界最優球 6 3 4 軟界最優球演算法的檢測性能 6 3 5 軟界最優球面與廣義最優平面的關係 6 4 樣本加權的支持矢量數據描述 6 4 1 樣本加權SVDD 6 4 2 樣本的權重 6 5 小球大間隔SVDD 6 6 數據域最優橢球描述 6 6 1 最優橢球數據描述 6 6 2 核映射空間中橢球數據描述與檢測 6 7 基於距離學習和SVDD的判別方法 6 7 1 距離測度學習 6 7 2 新類的設定 6 7 3 最優球面作為已給類別的邊界描述 6 7 4 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
