模式識別原理及應(yīng)用

第1章 模式識別概論1.1 概述1.2 模式識別的發(fā)展歷史1.3 模式識別與其他學(xué)科的關(guān)系1.4 模式識別的基本方法1.5 模式識別的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第2章 模式識別的基本概念2.1 概述2.2 基本概念2.3 模式識別系統(tǒng)2.4 模式識別的一些基本問題2.5 相關(guān)數(shù)學(xué)概念本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第3章 模式識別的判別函數(shù)3.1 概述3.2 線性判別函數(shù)的基本概念3.3 線性判別函數(shù)的判定面3.4 非線性判別函數(shù)3.5 廣義線性判別函數(shù)3.6 線性分類器的設(shè)計本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第4章 線性分類器4.1 概述4.2 線性判別函數(shù)與決策超平面4.3 感知器算法4.4 最小誤差平方和法4.5 梯度下降算法與最小二乘法4.6 Fisher分類器本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第5章 特征提取與選擇5.1 概述5.2 基本概念5.3 類別可分性判據(jù)5.4 基于可分性判據(jù)的特征提取5.5 基于K-L變換的特征提取本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第6章 基于貝葉斯決策理論的分類器6.1 概述6.2 貝葉斯決策理論的基本概念6.3 常用的決策規(guī)則6.4 概率密度函數(shù)的估計6.5 樸素貝葉斯分類器6.6 貝葉斯網(wǎng)絡(luò)本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第7章 聚類分析7.1 概述7.2 聚類分析的概念7.3 相似性度量7.4 聚類準(zhǔn)則函數(shù)7.5 聚類算法7.6 聚類分析在虛假評論檢測中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第8章 句法模式識別8.1 概述8.2 形式語言概述8.3 基元提取和文法推斷8.4 句法分析8.5 自動機理論8.6 自動機理論在語音識別中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第9章 模糊模式識別9.1 概述9.2 模糊模式識別的基本概念9.3 直接模糊模式識別法9.4 間接模糊模式識別法9.5 模糊聚類9.6 模糊模式識別在大氣質(zhì)量評定中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第10章 決策樹10.1 概述10.2 決策樹學(xué)習(xí)10.3 CLS學(xué)習(xí)算法10.4 ID3學(xué)習(xí)算法10.5 決策樹的剪枝技術(shù)10.6 決策樹的評價10.7 決策樹算法的優(yōu)化10.8 決策樹的應(yīng)用10.8.1 決策樹在文本分類中的應(yīng)用10.8.2 基于決策樹的個人住房貸款信用風(fēng)險評估模型本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第11章 人工神經(jīng)網(wǎng)絡(luò)11.1 概述11.2 神經(jīng)元11.3 人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)11.4 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法及規(guī)則11.5 前饋神經(jīng)網(wǎng)絡(luò)及其主要算法11.6 Hopfield網(wǎng)絡(luò)11.7 自組織神經(jīng)網(wǎng)絡(luò)11.8 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第12章 隱馬爾可夫模型12.1 概述12.2 隱馬爾可夫模型的概念12.3 隱馬爾可夫模型的三個基本問題及解決辦法12.4 隱馬爾可夫模型在中文旅游景點識別中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第13章 最大熵模型13.1 概述13.2 熵及最大熵13.3 最大熵模型13.4 最大熵在自然語言處理中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第14章 條件隨機場14.1 概述14.2 概率圖模型14.3 條件隨機場簡介14.4 勢函數(shù)14.5 參數(shù)估計與訓(xùn)練14.6 參數(shù)估計的優(yōu)化14.7 條件隨機場在旅游領(lǐng)域命名實體識別中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第15章 統(tǒng)計學(xué)習(xí)理論及支持向量機15.1 概述15.2 機器學(xué)習(xí)的基本問題和方法15.3 統(tǒng)計學(xué)習(xí)理論15.4 支持向量機15.5 支持向量機的分類與回歸15.6 基于支持向量機的漢語問句分類本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第16章 統(tǒng)計語言模型及信息檢索16.1 概述16.2 統(tǒng)計語言模型16.3 信息檢索16.4 統(tǒng)計語言模型在拼音輸人法中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第17章 基于SVM的中文文本分類17.1 概述17.2 文本分類的原理17.3 基于SVM的文本分類本章小結(jié)參考文獻(xiàn)
第18章 基于K均值的中文文本聚類18.1 概述18.2 K均值聚類18.3 K均值中文文本聚類18.4 實驗與結(jié)果分析本章小結(jié)參考文獻(xiàn)
第19章 基于HMM的語音識別19.1 概述19.2 語音識別19.3 實驗及結(jié)果分析本章小結(jié)參考文獻(xiàn)
第20章 基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識別20.1 概述20.2 基于BP神經(jīng)網(wǎng)絡(luò)數(shù)字識別的算法本章小結(jié)參考文獻(xiàn)