模式识别

出版时间：2010-8  出版社：清华大学出版社  作者：张学工  页数：237  
Tag标签：无  

前言

张学工教授长期从事模式识别课程的教学和科研工作，取得了优异的成绩，积累了丰富的经验。他还是国内首先著文介绍和翻译Vapnik统计学习理论著作的作者，这为他编写新一版的《模式识别》教材打下了坚实的基础。新版的《模式识别》取材更加精炼，安排更加符合学生学习的规律，特别是把传统的统计模式识别方法与人工神经网络和支持向量机有机地结合起来，使学生能够更好地掌握三者的内在联系，进一步理解学习样本集对于设计模式识别系统的重要性，对于以后在实际应用中确定合适的方法有很好的指导意义。模式识别学科的发展和模式识别在各个学科的应用研究紧密联系在一起。张学工教授多年从事地震勘探信号识别和生物信息学领域的科研工作，对模式识别方法的实际应用有深入的研究，部分的研究成果在本书中有所反映，这使得本书在理论联系实际方面比原有版本有很大的改进。我相信本书的出版不仅能提高国内模式识别课程教学水平，而且对广大科技工作者更好地把模式识别方法应用于研究工作中也会起到很好的推动作用。

内容概要

本书是清华大学自动化系国家精品课程“模式识别基础”的教材，是在《模式识别》第一版和第二版基础上重写而成的。本教材系统地讨论了模式识别的基本概念和代表性方法，包括监督模式识别中的贝叶斯决策理论、概率密度函数的估计、线性判别函数、非线性判别函数、近邻法、特征选择与提取的典型方法以及非监督模式识别中的基于模型的方法、混合密度估计、动态聚类方法、分级聚类方法等，并在相应章节包括了人工神经网络、支持向量机、决策树与随机森林、罗杰斯特回归、Boosting方法、模糊模式识别等较新进入模式识别领域的内容。整体内容安排力求系统性和实用性，并覆盖部分当前研究前沿。　　本书可以作为高等院校自动化、计算机等相关专业高年级本科生和研究生学习模式识别的教材，也可以供计算机信息处理、生物信息学、数据挖掘、统计等各领域中从事模式识别相关工作的广大科技人员和高校师生参考。

作者简介

张学工，1994年于清华大学模式识别与智能系统专业获工学博士学位，现任清华大学自动化系教授。主要从事机器学习的理论、方法与应用研究和生物信息学研究。

书籍目录

第1章　概论　1.1　模式与模式识别　1.2　模式识别的主要方法　1.3　监督模式识别与非监督模式识别　1.4　模式识别系统举例　1.5　模式识别系统的典型构成　1.6　本书的主要内容第2章　统计决策方法　2.1　引言： 一个简单的例子　2.2　最小错误率贝叶斯决策　2.3　最小风险贝叶斯决策　2.4　两类错误率、Neyman?Pearson决策与ROC曲线　2.5　正态分布时的统计决策　　2.5.1　正态分布及其性质回顾　　2.5.2　正态分布概率模型下的最小错误率贝叶斯决策　2.6　错误率的计算　　2.6.1　正态分布且各类协方差矩阵相等情况下错误率的计算　　2.6.2　高维独立随机变量时错误率的估计　2.7　离散概率模型下的统计决策举例　2.8　小结与讨论第3章　概率密度函数的估计　3.1　引言　3.2　最大似然估计　　3.2.1　最大似然估计的基本原理　　3.2.2　最大似然估计的求解　　3.2.3　正态分布下的最大似然估计　3.3　贝叶斯估计与贝叶斯学习　　3.3.1　贝叶斯估计　　3.3.2　贝叶斯学习　　3.3.3　正态分布时的贝叶斯估计　　3.3.4　其他分布的情况　3.4　概率密度估计的非参数方法　　3.4.1　非参数估计的基本原理与直方图方法　　3.4.2　kN近邻估计方法　　3.4.3　Parzen窗法　3.5　讨论第4章　线性分类器　4.1　引言　4.2　线性判别函数的基本概念　4.3　Fisher线性判别分析　4.4　感知器　4.5　最小平方误差判别　4.6　最优分类超平面与线性支持向量机　　4.6.1　最优分类超平面　　4.6.2　大间隔与推广能力　　4.6.3　线性不可分情况　4.7　多类线性分类器　　4.7.1　多个两类分类器的组合　　4.7.2　多类线性判别函数　4.8　小结与讨论第5章　非线性分类器　5.1　引言　5.2　分段线性判别函数　　5.2.1　分段线性距离分类器　　5.2.2　一般的分段线性判别函数　5.3　二次判别函数　5.4　多层感知器神经网络　　5.4.1　神经元与感知器　　5.4.2　用多个感知器实现非线性分类　　5.4.3　采用反向传播算法的多层感知器　　5.4.4　多层感知器网络用于模式识别　　5.4.5　神经网络结构的选择　　5.4.6　前馈神经网络与传统模式识别方法的关系　　5.4.7　人工神经网络的一般知识　5.5　支持向量机　　5.5.1　广义线性判别函数　　5.5.2　核函数变换与支持向量机　　5.5.3　支持向量机应用举例　　5.5.4　支持向量机的实现算法　　5.5.5　多类支持向量机　　5.5.6　用于函数拟合的支持向量机　5.6　核函数机器　　5.6.1　大间隔机器与核函数机器　　5.6.2　核Fisher判别　5.7　小结与讨论第6章　其他分类方法　6.1　近邻法　　6.1.1　最近邻法　　6.1.2　k-近邻法　　6.1.3　近邻法的快速算法　　6.1.4　剪辑近邻法　　6.1.5　压缩近邻法　6.2　决策树与随机森林　　6.2.1　非数值特征　　6.2.2　决策树　　6.2.3　过学习与决策树的剪枝　　6.2.4　随机森林　6.3　罗杰斯特回归　6.4　Boosting方法　6.5　讨论第7章　特征选择　7.1　引言　7.2　特征的评价准则　　7.2.1　基于类内类间距离的可分性判据　　7.2.2　基于概率分布的可分性判据　　7.2.3　基于熵的可分性判据　　7.2.4　利用统计检验作为可分性判据　7.3　特征选择的最优算法　7.4　特征选择的次优算法　7.5　特征选择的遗传算法　7.6　以分类性能为准则的特征选择方法　7.7　讨论第8章　特征提取　8.1　引言　8.2　基于类别可分性判据的特征提取　8.3　主成分分析方法　8.4　Karhunen?Loève变换　　8.4.1　K-L变换的基本原理　　8.4.2　用于监督模式识别的K-L变换　8.5　K-L变换在人脸识别中的应用举例　8.6　高维数据的低维显示　8.7　多维尺度法　　8.7.1　MDS的基本概念　　8.7.2　古典尺度法　　8.7.3　度量型MDS　　8.7.4　非度量型MDS　　8.7.5　MDS在模式识别中的应用　8.8　非线性变换方法简介　　8.8.1　核主成分分析(KPCA)　　8.8.2　IsoMap方法和LLE方法　8.9　讨论第9章　非监督模式识别　9.1　引言　9.2　基于模型的方法　9.3　混合模型的估计　　9.3.1　非监督最大似然估计　　9.3.2　正态分布情况下的非监督参数估计　9.4　动态聚类算法　　9.4.1　C均值算法　　9.4.2　ISODATA方法　　9.4.3　基于样本与核的相似性度量的动态聚类算法　9.5　模糊聚类方法　　9.5.1　模糊集的基本知识　　9.5.2　模糊C均值算法　　9.5.3　改进的模糊C均值算法　9.6　分级聚类方法　9.7　自组织映射神经网络　　9.7.1　SOM网络结构　　9.7.2　SOM学习算法和自组织特性　　9.7.3　SOM用于模式识别　9.8　讨论第10章　模式识别系统的评价　10.1　监督模式识别方法的错误率估计　　10.1.1　训练错误率　　10.1.2　测试错误率　　10.1.3　交叉验证　　10.1.4　自举法与.632估计　10.2　有限样本下错误率的区间估计问题　　10.2.1　问题的提出　　10.2.2　用扰动重采样估计SVM错误率的置信区间　10.3　特征提取与选择对分类器性能估计的影响　10.4　从分类的显著性推断特征与类别的关系　10.5　非监督模式识别系统性能的评价　10.6　讨论索引参考文献

章节摘录

插图：对样本的识别由一个分类器来实现。语音识别最常用的分类器是建立在语音的一种概率模型——隐马尔可夫模型上的。分类器有两个工作阶段：设计阶段与决策阶段。在设计阶段，用大量已知的语音信号来确定分类器模型中的一系列参数，这一过程称作训练，这种语音训练样本集通常被称作语料库。在决策阶段，未知的语音信号经过与设计阶段同样的预处理后进入训练好的分类器，分类器给出对语音的识别结果。对于普通用户来说，所购买的语音识别系统已经是经过训练之后的，有些产品提供了让用户再用自己的口音对分类器进行一定的再训练的功能。与其他模式识别系统不同的是，一段自然的语音是由一系列连续的音素构成的，而不是一个个相互独立的因素，因此，在语音识别系统中并不是单独对每一个音素样本进行分类，而是用一个更高一层的隐马尔可夫模型把相邻的音素联合起来考虑。在对音素识别的基础上还要对一定的语言模型进行后处理才能最终识别出语音的内容。根据所针对的应用场景，目前存在的语音识别系统有多种类型：从对说话人的要求考虑可分为特定人和非特定人系统，从识别内容考虑可分为孤立词识别和连续语音识别、命令及小词汇量识别和大词汇量识别、规范语言识别和口语识别，从识别的速度考虑还可分为听写和自然语速的语音识别等。其中，非特定人、小词汇量的识别已经有很多实际应用，最常见的比如自动语音识别的电话总机、航空公司等的语音识别自动电话服务等专用系统；目前市场上常见的语音识别软件或者某些操作系统中内嵌的语音识别软件多是针对规范文本的听写识别的，已经能够达到相当准确的识别率，用户经过一定的适应就可以利用语音识别软件进行文本录入；但是，在复杂环境下口语化语言的自动识别目前仍然远远没有达到实用水平。

编辑推荐

《模式识别(第3版)》：国家精品课程教材·新编《信息、控制与系列》系列教材

用户评论 (总计99条)

•   我买了“模式识别基础”的教材。
  教材介绍了了模式识别的基本概念和代表性方法，包括监督模式识别中的贝叶斯决策理论、概率密度函数的估计、线性判别函数、非线性判别函数、近邻法、特征选择与提取的典型方法以及非监督模式识别中的基于模型的方法、混合密度估计、动态聚类方法、分级聚类方法等，并在相应章节包括了人工神经网络、支持向量机、决策树与随机森林、罗杰斯特回归、Boosting方法、模糊模式识别等较新进入模式识别领域的内容。
  　给写的学我得感谢者们
•   本书较第二版做了调整，书中内容不错。同时增加了模式识别系统的评价部分。已经以本书为教材，为研究生上过1个学期的课，难易程度合适，相对于第二版增加了一些新的内容。效果不错，郑重向大家推荐。
•   也应该算是一本经典教材吧。其实实用的模式识别方法很多，但是初学者建议还是从传统的统计模式识别入手开始，比较容易理解，也比较成体系。从这个角度讲，这本书作为入门级读物教科书是不错的选择。清华大学出版社，顶之。
•   模式识别。书中内容想必第二版精简了一些，但是不会影响学习。
•   突然想起学习模式识别相关的基础知识了，发现这本书网上评价很高，就买了一本，现在正在看，感觉还可以
•   正版书，好内容，好质量，模式识别教材
•   老师推荐的教材，模式识别的，书相对比较薄，内容够多
•   模式识别的教材，有深度，很好！
•   模式识别（第三版）看起来难懂
•   挺好，模式识别的红宝书
•   模式识别挺有用的
•   缺点：就一条，书中有一些语病。优点：数不胜数。 尤其对问题的阐述方式对教学和自习都极为有利。 内容精练，将最具代表性的理论和方法都囊括了进来。 不失一本经典的教材。
•   张学工教授的书值得一看
•   厚度比起边肇祺的那本书稍微薄了一点点，内容还可以。应该是大学本科的教材吧，如果想要深入研究可能略微简单了一些。
•   该书篇幅不大内容却不少，每一章的内容都写得比较简洁，适合该领域的入门参考学习之用。
•   正在学习中，内容安排很得当。顶
•   这本书是我用来做研究生上课教材的，很不错，权威
•   这本书较第二版改动较大，易读，概念准确，又有一定的深度，是一本比较合适的教学用书。
•   印刷不错，似乎比第二版的内容少了一些，但思路更清晰了。
•   用做教材了，挺好的
•   还行～老师规定的教材～
•   书还不错，相比第二版有改动的地方，主要是改动的地方正是我要看的，所以书很好
•   质量还不错，第三版……蛮好的。
•   只有第三版了，还不错
•   买来参考一下，值得学习
•   不错 待我好好研究研究
•   书薄，但是该有的都有了，要深入研究哪方面可以自己去看论文
•   看了一下，书中内容还不错。
•   比第二版精简了不少，喜欢。
•   物美价廉 货到付款 零风险 支持当当
•   才看了少数章节，就是公式推导很多，不容易看下去
•   是正版，学习很有帮助
•   书内容很充实～
•   应该挺好的吧，还没看，但是感觉内容应该挺丰满的，呵呵！
•   正品书，内容适合，讲解透彻
•   书的内容很好，很有用
•   此书内容不及外文书
•   这学期开的新课，老师推荐买的书，拿到手还是蛮喜欢的，因为比较薄的缘故吧，呵呵。
•   这个发票能不能回去帮我修改一下，我开的个人的，应该开单位的，两本书的发票我还留着，不能报销！
•   这本书我还没看，希望以后我能好好把它学完。。
•   这本书很不错哟、，挺好的 师兄强烈推荐自己买的
•   相比于图书馆的其它书，这本书，还可以吧，微微困难
•   这本书是老师上课时用的书，还不错，比起国外那么厚那本更容易入门
•   总体不错，质量很好，也不贵！！
•   很赞啊、、、、、物流也给力。。。
•   同学老师一致推荐的好书，，值得拥有一本
•   这个真可以这个真可以。。
•   不错送货速度快
•   前两版是两个人编的，这版怎么只有一个人了，书还可以
•   书挺好的，不过自己不好理解的。
•   挺好的、值得一看、、
•   也就还不错了 随便看看的
•   很好，全新的，价格便宜，实惠！
•   基本和描述的一样。
•   早就想买的书了，不错！刚拿到书，大致翻了翻。
•   挺不错的，跟想象的一样
•   初学者必备~
•   基本上干这行都买了。
•   还好啊，比较便宜，没办法，必须买，呵呵
•   开始看了一个月了，感觉很不错，是本值得一读的书
•   希望图书的数量再多一些，经常会出现缺货哦
•   不错，当当速度就是快，还免运费，真好。
•   这款书卖的很火~~居然缺货了，到现在我的钱还没有退回来！
•   很好的一本书，买了很开心
•   物流太慢了，我整整等了6天，太辛苦了。希望改善！
•   物流超快呀，喜欢
•   不错，看着挺舒服的，推荐一下
•   书不错正版，就是发货太慢
•   封面漂亮，纸质有点薄，页数不是很多，内容框架挺全面，详略得当，算是模式识别教材里面较好的。推荐。
•   书很不错，适合模式识别入门。内容都为理论推导、介绍，没有具体实现的内容。
•   挺郁闷的，老师上的是第二版的，与第二版相比，感觉第三版简化了好多内容，每次上课时，还得对照第二版的，第三版相对第二版来说，改了好多内容……
•   帮别人买的不太懂，不过他说这是一本相关领域很经典的教材哈
•   计算机视觉必备基础
•   其实第二版貌似比这本好我从图书馆借了两本书进行对比这本书在目录和内容上做了调整而第二版感觉更充实其次就是不喜欢她的序言最后一句，谨以此书献给他妻子和女儿，但是你的读者就是他们两吗？我觉得这本书还是有必要再改进，由于有优惠，所以我就买了，但是还是不是很满意
•   不过算是国内比较好的教材了，可以看看国外的教材
•   该书还不错，但是和第二版相比有些东西调整了，和老师讲的不太一样
•   只是没有一些内容，不是特别全面
•   书还可，导师推荐的，内容按部就班，介绍的比较具体
•   本书还比较经典 我们的课本
•   新版的改动感觉并不大。
•   书还不错的，可以好好研究了
•   大致看了下，基本知识都有了
•   正是需要的课本
•   还没看内容，书的质量还不错
•   国内不错的入门书，通俗易懂。
•   优点:(1)书比较简练,适合入门.同时价格也比较合适(2)内容比较丰富.基本包括了当前模式识别全部流行的内容.系统性也很强(3)举的例子也比较容易理解.缺点:从厚度上来说,这本书也只能作为一本入门的书来看.因此,应该需要更多的参考文献,让对某一部分比较感兴趣的童鞋能很快的深入下去.很遗憾,这本书几乎没有什么参考文献.冈萨雷斯的<数字图像处理>在这方面就做的不错,每一章后面都有Further Reading. 希望再版的时候能有所改进. 添加更多的参考文献不会让作者掉价,反而会显示作者治学的严谨.总体来说,这本书是一本不可多得的模式识别方面的中文书籍, 值回这个价钱. 看完之后最好能配合着希腊人写的<模式识别>第四版, duda等写的<模式分类>以及bishop的PRML再做进一步的研究.
•   这本书的内容不错，很适合作为模式识别的教材，但是书中的小错误太多，单第一章就非常的多，不少于十个错误，难道都是印刷的问题吗，一本书出了三版，都有这么低级的错误，真的很可惜。
•   书很不错。。。内容很详实，对于初学者来说是个不错的入门。
•   发货速度不错很快，纸张印刷还行
•   内容比较全面～好书～
•   这是我们上课的教材 其实不是太懂 有点难 书还是非常不错的
•   物流比较慢，书拿到手时，封面有点小损坏，不是特别满意，书应该还行，介绍的东西还比较齐全
•   研究生课程教科书，很经典。但有些方法过时了
•   内容适合教学，工程应用比第二版增加，理论知识减少！
•   课本很不错，快递也很快，服务也很好，下次继续光临
•   值得推荐的一本书，适合初学者
•   很好，是正版，之前是边肇祺的第二版，中科院考博用。
•   课本的啊
•   看起来很深奥的样子