出版时间:2004-2 出版社:机械工业出版社 作者:Richard O.Duda,Peter E.Hart,David G.Stork 页数:654
Tag标签:无
内容概要
本书清晰地阐明了模式识别的经典方法和新方法,包括神经网络、随机方法、遗传算法以及机器学习理论。提供了大量双色图表,用于突出展示各种概念。收录了大量实用的例题。采用伪代码形式的模式识别算法。扩充了对正文有关键意的习题和计算机练习。用算法形式讲解特殊的模式识别和机器学习技术。每章后面均附有文献历史评述以及重要的参考文献。附录补充了必要的数学基础知识。
作者简介
Richard O.Duda于麻省理工学院获得电气工程博士学位,是加州San Jose州立大学电气工程系名誉教授。他是美国人工智能学会会士、IEEE会士。
书籍目录
PREFACE1 INTRODUCTION2 BAYESIAN DECISION THEORY3 MAXIMUM-LIKELIHOOD AND BAYESIAN PARAMETER ESTIMATION4 NONPARAMETRIC TECHNIQUES5 LINEAR DISCRIMINANT FUNCTIONS6 MULTILAYER NEURAL NETWORKS7 STOCHASTIC METHODS8 NONMETRIC METHODS9 ALGORITHM-INDEPENDENT MACHINE LEARNING10 UNSUPERVISED LEARNING AND CLUSTERINGA MATHEMATICAL FOUNDATIONSINDEX
编辑推荐
本书简明易读,新增的图表使得许多统计和数学题材非常生动。最终以完美和谐的形式,引导读者深入新的主题。收录了大量实用的例题。采用伪代码形式的模式识别算法。扩充了对正文有关键意的习题和计算机练习。
图书封面
图书标签Tags
无
评论、评分、阅读与下载