模式识别

出版时间：2006-9  出版社：机械工业  作者：[希]SergiosTheod  页数：837  
Tag标签：无  

内容概要

本书综合考虑了有监督和无监督模式识别的经典的以及当前的理论和实践，为专业技术人员和高校学生建立起完整的基本知识体系。本书由模式识别领域的两位项级专家合著，从工程角度全面阐述了模式识别的应用，内容包括叶斯分类、贝叶斯网络、线性和非线性分类器（包含神经网络和支持向量机）、动态编程和用于顺序数据的隐马尔可夫模型、特征（包含小波、主成分分析、独立成分分析和分形分析）、特征选择技术、来自学习理论的基本概念、聚类概念和算法等。    本书是享誉世界的名著，内容既全面又相对独立，既有基础知识的介绍又有领域研究现状的介绍，还有对未来发展的展望，是本领域最全面的参考书，被世界众多高校选用为教材。本书可作为高等院校计算机、电子、通信、自动化等专业研究生和高年级本科生的教材，也可作为计算机信息处理、自动控制等相关领域工程技术人员的参考用书。

作者简介

Sergios Theodoridis希腊雅典大学信息与通信系教授。他于1973年在雅典大学获得物理学学士学位，又分别于1975年和1978年在英国伯翰大学获信息处理与通信硕士和博士学位。他的主要研究方向是自适应信号处、通信与模式识别。他是欧洲并行结构及语言协会（PARLEE-95）的主席和欧

书籍目录

PrefaceCHAPTER 1 INTRODUCTION  1.1 Is Pattern Recognition Important?  1.2 Features, Feature Vectors, and Classifiers  1.3 Supervised Versus Unsupervised Pattern Recognition  1.4 Outline of the BookCHAPTER 2 CLASSIFIERS BASED ON BAYES DECISION THEORY  2.1 Introduction  2.2 Bayes Decision Theory  2.3 Discriminant Functions and Dwcision Surfaces  2.4 Bayesian Classification for Normal Distributions  2.5 Estimation of Unknown Probability Density Functions   2.6 The Nearest Neighbor Rule  2.7 Bayesian NetworksCHAPTER 3 LINEAR CLASSIFIERS  3.1 Introdutcion  3.2 linear Discriminant Functions and Decision Hyperplanes  3.3 The Percptron Algorithm  3.4 Least Squares Mwethods  3.5 Mean Square Estimation Revisited  3.6 Logistic Discrimination  3.7 Support Vector MachinesCHAPTER 4 IONLINEAR CLASSIFIERS  4.1 Introduction  4.2 The XOR Problem  4.3 The Two-Layer Perceptron  4.4 Three-Layer Perceptons  4.5 Algorithms Based on Exact Classification of the Training Set  4.6 The Backpropagation Algorithm  4.7 Variations on the Backpropagation Theme  4.8 The Cost Function Choice  4.9 Choice of the Network Size  4.10 A Simulation Example  4.11 Networks With Weight Sharing  4.12 Generalized Linear Classifiers  4.13 Capacity of the l-Dimensional Space in Linear Dichotomies  4.14 Polynomial Classifiers  4.15 Radial Basis Function Networks  4.16 Universal Approximatiors  4.17 Support Vector Machines: The Nonlinear CaseCHAPTER 5 FEATURE SELECTION  ……CHAPTER 6 FEATURE GENERATION Ⅰ：LINEAR TRANSFORMSCHAPTER 7 FEATURE GENERATION ⅡCHAPTER 8 TEMPLATE MATCHINGCHAPTER 9 CONTEXT-DEPENDENT CLASIFICATIONCHAPTER 10 SYSTEM EVALUATIONCHAPTER 11 CLUSTERING：BASIC CONCEPTSCHAPTER 12 CLUSTERING ALGORITHMSⅠ：SEQUENTIAL ALGORITHMSCHAPTER 13 CLUSTERING ALGORITHMSⅡ：HIERARCHICAL ALGORITHMSCHAPTER 14 CLUSTERING ALGORITHMSⅢ：SCHEMES BASED ON FUNCTION OPTIMIZATIONCHAPTER 15 CLUSTERING ALGORITHMSⅣCHAPTER 16 CLUSTER VALIDITYAppendix A Hints form Probability and StatisticsAppendix B Linear Algebra Basics

用户评论 (总计6条)

•   读博士的时候看过觉得不错，工作了又买了本，详细读下。
•   书的内容好自然是不用说的，不过感觉印刷的质量就一般了。跟Duda的那本《PatternClassification》的印刷质量没得比。郁闷！
•   数学要求好高
•   因为作者是希腊人，书中的英语风格比较晦涩，但讲解还是很透彻的。
•   涵盖比较广，比一般模式识别详细，但要求有一定的多元统计知识。
•   总体来讲，这本书还是不错的，也是算法概念的经典教材之一。