模式識別

目錄
前言
第1章緒論
1.1模式識別的基本概念
1.2模式識別的內(nèi)容、特點(diǎn)和方法
1.3模式識別的應(yīng)用和發(fā)展
習(xí)題1
第2章聚類分析
2.1引言
2.2相似性度量和聚類準(zhǔn)則
2.3基于距離閾值的聚類算法
2.4層次聚類法
2.5動態(tài)聚類法
2.6聚類結(jié)果的評價
習(xí)題2
第3章判別函數(shù)法
3.1概述
3.2線性判別函數(shù)
3.3線性判別函數(shù)的幾何性質(zhì)
3.4感知器算法
3.5梯度法
3.6最小平方誤差算法
3.7費(fèi)歇爾線性判別法
3.8非線性判別函數(shù)
3.9勢函數(shù)法
3.10分類器應(yīng)用實(shí)例及代碼
習(xí)題3
第4章基于統(tǒng)計(jì)決策的概率分類
4.1貝葉斯決策
4.2貝葉斯決策方法的應(yīng)用
4.3貝葉斯分類器的錯誤率
4.4聶曼皮爾遜決策
4.5類條件概率密度函數(shù)的參數(shù)估計(jì)
4.6概率密度的非參數(shù)估計(jì)
4.7后驗(yàn)概率密度函數(shù)的勢函數(shù)估計(jì)法
習(xí)題4
第5章特征選擇與特征提取
5.1基本概念
5.2類別可分性測度
5.3基于類內(nèi)散布矩陣的單類模式特征提取
5.4基于KL變換的多類模式特征提取
5.5特征選擇
5.6特征選擇的幾種全局搜索方法
習(xí)題5
第6章句法模式識別
6.1概述
6.2形式語言概述
6.3模式的描述方法
6.4文法推斷
6.5句法分析及模式識別
6.6句法結(jié)構(gòu)的自動機(jī)識別
習(xí)題6
第7章模糊模式識別
7.1模糊集合
7.2模糊集合的運(yùn)算
7.3模糊關(guān)系與模糊矩陣
7.4模糊模式分類的直接方法和間接方法
7.5模糊聚類分析法
習(xí)題7
第8章神經(jīng)網(wǎng)絡(luò)模式識別法
8.1人工神經(jīng)網(wǎng)絡(luò)概述
8.2神經(jīng)網(wǎng)絡(luò)的基本概念
8.3前向神經(jīng)網(wǎng)絡(luò)
8.4競爭學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
8.5反饋型神經(jīng)網(wǎng)絡(luò)
習(xí)題8
第9章決策樹
9.1什么是決策樹
9.2屬性選擇的幾個度量
9.3決策樹的建立算法
習(xí)題9
第10章支持向量機(jī)
10.1支持向量機(jī)的理論基礎(chǔ)
10.2線性判別函數(shù)和判別面
10.3線性不可分下的判別面
10.4非線性可分下的判別函數(shù)
習(xí)題10
第11章粗糙集方法
11.1基本概念
11.2信息系統(tǒng)和決策表及其約簡
11.3基于粗糙集的分類器設(shè)計(jì)
習(xí)題11
參考文獻(xiàn)