注冊(cè) | 登錄讀書好，好讀書，讀好書！
讀書網(wǎng)-DuShu.com
當(dāng)前位置： 首頁(yè)出版圖書科學(xué)技術(shù)自然科學(xué)自然科學(xué)總論統(tǒng)計(jì)模式識(shí)別（第二版）

統(tǒng)計(jì)模式識(shí)別（第二版）

統(tǒng)計(jì)模式識(shí)別（第二版）

定　價(jià)：￥45.00

作　者： （英）Andrew R.Webb著；王萍等譯；王萍譯
出版社： 電子工業(yè)出版社
叢編項(xiàng)： 國(guó)外計(jì)算機(jī)科學(xué)教材系列
標(biāo)　簽： 模式識(shí)別
ISBN： 9787121004322 出版時(shí)間： 2004-10-01 包裝： 膠版紙
開本： 26cm 頁(yè)數(shù)： 400 字?jǐn)?shù)：  

內(nèi)容簡(jiǎn)介

　　本書對(duì)統(tǒng)計(jì)模式識(shí)別的基本理論和技術(shù)做了全面且詳盡的介紹。包括用于分類器設(shè)計(jì)的重要方法和用于數(shù)據(jù)分析和預(yù)處理的關(guān)鍵技術(shù)。前者有基于概率密度函數(shù)估計(jì)的參數(shù)法和非參數(shù)法，基于判別函數(shù)構(gòu)建的線性模型、徑向基函數(shù)網(wǎng)絡(luò)、支持向量機(jī)、投影方法（神經(jīng)網(wǎng)絡(luò)）和判別分析決策樹等；后者涉及特征選擇和特征提取以及聚類分析。此外，本書還就分類器的特性測(cè)評(píng)和利用分類器的組合技術(shù)改進(jìn)分類器特性等進(jìn)行了較充分的討論。并且，對(duì)模型選擇、不可靠分類、缺值數(shù)據(jù)、離群值檢測(cè)、連續(xù)變量與離散變量的混合等問題進(jìn)行了探討。本書前言統(tǒng)計(jì)模式識(shí)別是一個(gè)異常活躍的學(xué)習(xí)和研究領(lǐng)域，近些年來取得了許多新進(jìn)展。很多新的應(yīng)用都需要健壯而有效的模式識(shí)別技術(shù)。統(tǒng)計(jì)決策與估計(jì)被盾做是模式識(shí)別研究的基本部分。統(tǒng)計(jì)模式識(shí)別（第二版）做了全面的修訂，加入了大量的新方法和新技術(shù)，以及新的參考文獻(xiàn)。本書對(duì)統(tǒng)計(jì)模式識(shí)別這個(gè)領(lǐng)域做了全面的介紹——包括工程學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)以及社會(huì)科學(xué)等內(nèi)容。本書覆蓋了許多應(yīng)用領(lǐng)域，如數(shù)據(jù)庫(kù)的設(shè)計(jì)、神經(jīng)網(wǎng)絡(luò)以及決策支持系統(tǒng)等。本書主要特點(diǎn)：對(duì)模式識(shí)別做了完備的介紹；每種方法的論述都附有實(shí)例說明；涵蓋了貝葉斯方法、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)以及非監(jiān)督分類；每小節(jié)的結(jié)束部分都闡述了所提及方法的應(yīng)用，并介紹了講一步的理論進(jìn)展；附有相異度、參數(shù)估計(jì)、線性數(shù)和概率論等背景知識(shí)；附有各咱各樣的練習(xí)，從一目了然的問題到較為復(fù)雜的工程性問題。本書主要供統(tǒng)計(jì)學(xué)與工程學(xué)的高年級(jí)本科生和研究生學(xué)習(xí)統(tǒng)計(jì)模式識(shí)別、模式處理、神經(jīng)網(wǎng)絡(luò)以及數(shù)據(jù)挖掘之用，同時(shí)也可作為從事高級(jí)信息開發(fā)工作的專業(yè)技術(shù)人員的優(yōu)秀參考書。

作者簡(jiǎn)介

暫缺《統(tǒng)計(jì)模式識(shí)別（第二版）》作者簡(jiǎn)介

圖書目錄

第1章  統(tǒng)計(jì)模式識(shí)別概論
  1.1   統(tǒng)計(jì)模式識(shí)別
  1.2  解決模式識(shí)別問題的步驟
  1.3  問題討論
  1.4  有監(jiān)督分類和無監(jiān)督分類
  1.5  研究統(tǒng)計(jì)模式識(shí)別問題的方法
  1.6  多重回歸
  1.7  本書梗概
  1.8  參考文獻(xiàn)
  1.9  習(xí)題
第2章  密度估計(jì)——參數(shù)法
  2.1  引言
  2.2  基于正態(tài)分布的模型
  2.3  正態(tài)混合模型
  2.4  貝葉斯估計(jì)
  2.5  應(yīng)用研究
  2.6  總結(jié)
  2.7  建議
  2.8  參考文獻(xiàn)
  2.9  習(xí)題
第3章  密度估計(jì)——非參數(shù)法
  3.1  引言
  3.2  直方圖法
  3.3  k近鄰法
  3.4  用基函數(shù)展開
  3.5  核函數(shù)方法
  3.6  應(yīng)用研究
  3.7  總結(jié)
  3.8  建議
  3.9  參考文獻(xiàn)
  3.10習(xí)題
第4章  線性判別分析
  4.1  引言
  4.2  兩類問題算法
  4.3  多類算法
  4.4  邏輯斯諦判別
  4.5  應(yīng)用研究
  4.6  總結(jié)
  4.7  建議
  4.8  參考文獻(xiàn)
  4.9  習(xí)題
第5章  非線性判別分析——核函數(shù)法
  5.1  引言
  5.2  優(yōu)化準(zhǔn)則
  5.3  徑向基函數(shù)
  5.4  非線性支持向量機(jī)
  5.5  應(yīng)用研究
  5.6  總結(jié)
  5.7  建議
  5.8  參考文獻(xiàn)
  5.9  習(xí)題
第6章  非線性判別分析——投影法
  6.1  引言
  6.2  多層感知器
  6.3  投影尋蹤
  6.4  應(yīng)用研究
  6.5  總結(jié)
  6.6  建議
  6.7  參考文獻(xiàn)
  6.8  習(xí)題
第7章  基于樹的方法
  7.1  引言
  7.2  分類樹
  7.3  多元自適應(yīng)回歸樣條
  7.4  應(yīng)用研究
  7.5  總結(jié)
  7.6  建議
  7.7  參考文獻(xiàn)
  7.8  習(xí)題
第8章  性能
  8.1  引言
  8.2  性能評(píng)價(jià)
  8.3  分類器性能的比較
  8.4  分類器的組合
  8.5  應(yīng)用研究
  8.6  總結(jié)
  8.7  建議
  8.8  參考文獻(xiàn)
  8.9  習(xí)題
第9章  特征選擇與特征提取
  9.1  引言
  9.2  特征選擇
  9.3  線性特征提取
  9.4  多維尺度分析
  9.5  應(yīng)用研究
  9.6  總結(jié)
  9.7  建議
  9.8  參考文獻(xiàn)
  9.9  習(xí)題
第10章  聚類
  10.1  引言
  10.2  分層聚類法
  10.3  快速分類
  10.4  混合模型
  10.5  平方和方法
  10.6  聚類有效性
  10.7  應(yīng)用研究
  10.8  總結(jié)
  10.9  建議
  10.10參考文獻(xiàn)
  10.11習(xí)題
第11章  其他論題
  11.1  模型選擇
  11.2  不可靠分類的學(xué)習(xí)
  11.3  缺值數(shù)據(jù)
  11.4  離群值檢測(cè)和魯棒方法
  11.5  連續(xù)變量與離散變量的混合
  11.6  結(jié)構(gòu)風(fēng)險(xiǎn)最小化以及VapnikChervonenkis維數(shù)
附錄A  相異測(cè)度
附錄B  參數(shù)估計(jì)
附錄C  線性代數(shù)
附錄D  數(shù)據(jù)
附錄E  概率論
參考文獻(xiàn)

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) www.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)