模式识别 第2版【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

模式识别 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1.1模式识别的重要性1

10.3探讨有限数据集的大小 251

目 录1

第1章 导论1

1.2特征、特征向量和分类器2

1.3有监督和无监督模式识别4

1.4本书的内容安排5

第2章 基于贝叶斯决策理论的分类器7

2.1引言7

2.2 贝叶斯决策理论7

2.3判别函数和决策面11

2.4正态分布的贝叶斯分类11

2.5未知概率密度函数的估计16

2.6近邻规则27

习题29

参考文献34

3.1引言36

3.2线性判别函数和决策超平面36

第3章 线性分类器36

3.3感知器算法37

3.4最小二乘法42

3.5均方估计的回顾47

3.6支持向量机50

习题58

参考文献59

4.2异或问题61

4.1引言61

第4章 非线性分类器61

4.3两层感知器62

4.4三层感知器65

4.5基于训练集准确分类的算法66

4.6反向传播算法67

4.7反向传播算法的改进73

4.8代价函数选择74

4.9神经网络的大小选择76

4.10仿真实例79

4.1 1具有权值共享的网络81

4.12推广的线性分类器81

4.13 线性二分法中l维空间的容量83

4.14多项式分类器84

4.15径向基函数网络85

4.16通用逼近88

4.17支持向量机：非线性情况89

4.1 8决策树92

4.19讨论96

习题96

参考文献99

5.2预处理106

5.1引言106

第5章 特征选择106

5.3基于统计假设检验的特征选择107

5.4接收机操作特性ROC 曲线112

5.5类可分性测量113

5.6特征子集的选择118

5.7最优特征生成121

5.8神经网络和特征生成／选择124

5.9 Vapnik-Chernovenkis学习理论的提示124

习题128

参考文献131

第6章 特征生成1：线性变换134

6.1 引言134

6.2基本向量和图像134

6.3 Karhunen-loève变换136

6.4奇异值分解139

6.5独立成分分析142

6.6离散傅里叶变换（DFT）146

6.7离散正弦和余弦变换149

6.8 Hadamard变换150

6.9 Haar变换151

6.10 回顾Haar展开式152

6.11离散时间小波变换155

6.12多分辨解释162

6.13小波包163

6.14二维推广简介164

6.15应用166

习题169

参考文献171

第7章 特征生成Ⅱ175

7.1 引言175

7.2 区域特征175

7.3字符形状和大小的特征191

7.4分形概述197

习题202

参考文献204

8.1引言209

8.2基于最优路径搜索技术的测度209

第8章 模板匹配209

8.3基于相关的测度219

8.4可变形的模板模型222

习题225

参考文献226

第9章 上下文相关分类228

9.1引言228

9.2贝叶斯分类器228

9.3马尔可夫链模型228

9.4Viterbi算法229

9.5信道均衡231

9.6隐马尔可夫模型234

9.7用神经网络训练马尔可夫模型241

9.8马尔可夫随机域的讨论243

习题245

参考文献245

第10章 系统评价250

10.1引言250

10.2误差计算方法250

10.4 医学图像实例研究253

习题255

参考文献255

11.1引言257

第11章 聚类：基本概念257

11.2近邻测度261

习题275

参考文献276

第12章 聚类算法Ⅰ：顺序算法278

12.1引言278

12.2聚类算法的种类279

12.3顺序聚类算法280

12.4 BSAS的改进283

12.5两个阈值的顺序方案283

12.6改进阶段285

12.7神经网络的实现287

习题289

参考文献290

第1 3章 聚类算法Ⅱ：层次算法292

13.1引言292

13.2合并算法292

13.3 Cophenetic矩阵309

13.4分裂算法310

13.5最佳聚类数的选择311

习题313

参考文献314

14.1引言317

第14章 聚类算法Ⅲ：基于函数最优方法317

14.2混合分解方法318

14.3模糊聚类算法324

14.4 可能性聚类339

14.5硬聚类算法343

14.6向量量化346

习题350

参考文献351

第15章 聚类算法IV354

15.1引言354

15.2基于图论的聚类算法354

15.3竞争学习算法359

15.4分支和有界聚类算法364

15.5二值形态聚类算法366

15.6边界检测算法372

15.7谷点搜索聚类算法374

15.8通过代价最优聚类（回顾）376

15.9用遗传算法聚类378

15.10其他聚类算法379

习题380

参考文献381

第1 6章 聚类有效性386

16.1引言386

16.2假设检验回顾386

16.3聚类有效性中的假设检验388

1 6.4相关的准则395

16.5单聚类有效性405

16.6聚类趋势407

习题414

参考文献415

附录A 概率论和统计学的相关知识420

A.1全概率公式和贝叶斯准则420

A.2均值和方差420

A.3统计的独立性420

A.4特征函数421

A.5矩和累积量421

A.6概率密度函数的Edgeworth展开式422

A.7 Kullback-Leibler距离423

A.8多元高斯概率密度函数或正态概率密度函数423

A.9 Cramer-Rao下界424

A.10 中心极限定理425

A.11 x2分布425

A.12 t分布426

A.13 Beta分布427

A.14泊松分布427

参考文献427

附录B 线性代数基础428

B.1正定矩阵和对称矩阵428

B.2相关矩阵的对角化429

附录C 代价函数的优化430

C.1 梯度下降算法430

C.2牛顿算法432

c.3共轭梯度法433

c.4对约束问题的优化433

参考文献441

附录D 线性系统理论的基本定义442

D.1 线性时不变（LTI）系统442

D.2变换函数443

D.3 串联和并联443

D.4在二维空间上的推广444