內容簡介
《模式識彆》主要介紹統計模式識彆和結構模式識彆的相關內容。全書由7章組成,第1章為緒論,第2章介紹統計模式識彆中的幾何方法,著重介紹特徵空間的概念和相關分類器的設計方法。第3章介紹統計模式識彆中的概率方法,著重介紹最小錯誤概率分類器、最小風險分類器、紐曼皮爾遜分類器和最小最大分類器以及概率密度函數的參數估計和非參數估計等。第4章討論典型分類器錯誤概率的計算問題。第5章討論無監督情況下的模式識彆問題,著重介紹幾種典型的聚類算法:基於分裂的聚類方法、基於閤並的聚類方法、動態聚類方法、基於核函數的聚類方法和近鄰函數值聚類方法等。第6章討論結構模式識彆問題,給齣幾種典型的文法規則和與之相關聯的識彆裝置,包括有限狀態自動機、下推自動機和圖靈機等。最後,在第7章對全書進行總結。
《模式識彆》可作為電子信息類各專業高年級本科生和碩士研究生模式識彆課程的教材,也可供從事模式識彆相關研究的教師和科研人員參考。
目錄
總序
前言
第1章 緒論
1.1 模式和模式識彆
1.2 模式的分類
1.3 模式識彆係統的基本構成
1.4 模式識彆方法及其分類
1.5 模式識彆舉例
1.6 本書內容安排
第2章 統計模式識彆中的幾何方法
2.1 統計分類的基本思想
2.1.1 特徵空間和分類器設計
2.1.2 兩個例子
2.2 模式的相似性度量和最小距離分類器
2.2.1 相似性度量和距離函數
2.2.2 最小距離分類器
2.3 綫性可分情況下的幾何分類法
2.3.1 綫性判彆函數和綫性分類器
2.3.2 綫性判彆函數的參數確定
2.3.3 感知器算法
2.3.4 收斂性定理
2.3.5 梯度下降法
2.3.6 最小平方誤差法
2.4 非綫性可分情況下的幾何分類法
2.4.1 廣義綫性判彆函數法
2.4.2 分段綫性判彆函數法
2.4.3 非綫性判彆函數法:位勢函數法
2.5 綫性可分問題的非迭代解法
2.6 最優分類超平麵
本章小結
第3章 統計模式識彆中的概率方法
3.1 用概率方法描述分類問題
3.2 幾個相關的概念
3.3 最小錯誤概率判決準則
3.4 最小風險判決規則
3.5 貝葉斯統計判決規則的似然比錶現形式
3.5.1 最小錯誤概率判決規則的似然比錶現形式
3.5.2 最小風險判決規則的似然比錶現形式
3.6 拒絕判決
3.7 貝葉斯分類器的一般結構
3.8 Neyman-Pearson判決規則
3.9 最小最大判決規則
3.10 基於分段綫性化的分類器設計
3.11 正態分布下的分類器設計
3.11.1 正態分布的定義和若乾性質
3.11.2 正態分布下的分類器設計
3.12 有監督情況下類條件概率密度的參數估計
3.12.1 最大似然估計
3.12.2 貝葉斯估計和貝葉斯學習
3.13 非監督情況下類條件概率密度的參數估計
3.14 類條件概率密度的非參數估計
3.14.1 非參數估計的基本概念和方法
3.14.2 Parzen窗估計法
3.14.3 Kn-近鄰估計法
3.14.4 正交級數副近法
本章小結
第4章 分類器的錯誤率
4.1 正態分布下的錯誤率
4.2 樣本各維之間統計獨立情況下的錯誤率
4.3 錯誤率界限的理論估計
4.3.1 Chernoff界限
4.3.2 Bhattacharyya界限
4.4 近鄰分類法的錯誤率
4.5 分類器錯誤率的實驗估計
4.5.1 已訓練分類器錯誤率的實驗估計
4.5.2 有限樣本情況下分類器錯誤率的實驗估計
本章小結
第5章 統計模式識彆中的聚類方法
5.1 聚類分析
5.2 聚類準則
5.2.1 誤差平方和準則函數
5.2.2 權平均平方距離和準則函數
5.2.3 類間距離和準則函數
5.2.4 離散度準則函數
5.3 基於分裂的聚類算法
5.3.1 簡單增類聚類算法
5.3.2 改進的增類聚類算法
5.4 基於閤並的聚類算法
5.5 動態聚類算法
5.5.1 C-均值動態聚類算法(I)
5.5.2 C-均值動態聚類算法(Ⅱ)
5.5.3 ISODATA算法
5.5.4 基於樣本和核的相似性度量的動態聚類算法
5.6 基於近鄰函數值準則的聚類算法
5.7 最小張樹聚類算法
本章小結
第6章 結構模式識彆中的句法方法
6.1 模式基元和模式結構的錶達
6.2 形式語言基礎
6.2.1 集閤、集閤間的關係和集閤運算
6.2.2 符號串和語言
6.2.3 文法
6.2.4 文法的分類
6.3 有限狀態自動機
6.3.1 確定的有限狀態自動機
6.3.2 非確定的有限狀態自動機
6.3.3 有限狀態自動機之間的等價
6.3.4 有限狀態文法和有限狀態自動機
6.4 下推自動機
6.4.1 下推自動機的即時描述
6.4.2 上下文無關文法和下推自動機
6.5 圖靈機
6.6 關於語言、文法和自動機的再討論
6.6.1 語言的命名
6.6.2 從語言構建自動機
6.6.3 語言類型的確定
6.7 句法分析
6.7.1 正嚮剖析過程的樹錶示
6.7.2 先驗規則引導的樹正嚮剖析算法
6.7.3 基於三角錶格的反嚮剖析算法
6.8 文法推斷
6.8.1 正則文法的推斷
6.8.2 非正則文法的推斷
本章小結
第7章 總結
附錄
參考文獻
精彩書摘
特徵錶達特徵的錶達方式和特徵本身密切相關。如果所選擇的特徵是一組度量和屬性特徵,那麼可以用相應的度量和屬性參量構建一個特徵嚮量。其中,每一個相關的度量和屬性參量構成該特徵嚮量的一個分量。一定範圍內的所有特徵嚮量組成一個特徵空間,而前述的特徵嚮量成為該模式空間中的一個點。為敘述方便起見,在不至於引起混淆的情況下今後將這樣的特徵嚮量也稱為觀測樣本。和模式空間一般具有很大維數這一點不同,相應特徵空間的維數一般很小。這樣,通過引入特徵抽取和錶達這一關鍵步驟,我們可以實現從模式空間到特徵空間的映射;這個映射過程實質上是一個降維的過程。實施降維操作的目的是為瞭獲取輸入模式的更本質的特徵錶達以便於後續的識彆與分類。
此外,如果所選擇的特徵是一組基元特徵,則從基元之間的連接關係齣發來錶達輸入模式可能是一種更為恰當的選擇。此時,相應的模式可用一個具有一定結構的樹或圖來錶示。當然,通過適當定義基元的度量和屬性,輸入模式同樣也可以用特徵嚮量進行錶達,雖然這種錶達方式有些時候顯得有些牽強。
分類與識彆一旦輸人模式的特徵被選擇和抽取,接下來的工作是根據所獲得的輸入模式的特徵描述,判斷該輸入模式的類彆。當一個輸入模式可被錶徵為特徵空間中的一個特徵嚮量時,相應的問題被轉化為特徵空間的分割問題。為瞭實現對特徵空間的正確分割從而解決相應的分類問題,一種做法是進行大量的試驗,即在各種觀測條件下對待識彆對象進行大量的觀測,獲得待識彆對象大量的觀測樣本;並依據所選擇的特徵通過特徵抽取步驟將這些觀測樣本映射到相應的特徵空間中。然後,根據觀測樣本所對應的特徵嚮量在特徵空間中的分布情況對特徵空間實施分割,將其分割成若乾個區域,使得每一個區域中盡可能隻包含來自同一個類彆的樣本。通過這種操作,可以在特徵空間中的一個分割區域和一個類彆之間建立關聯。
前言/序言
2008年是中國科學技術大學建校五十周年。為瞭反映五十年來辦學理念和特色,集中展示教材建設的成果,學校決定組織編寫齣版代錶中國科學技術大學教學水平的精品教材係列。在各方的共同努力下,共組織選題281種,經過多輪、嚴格的評審,最後確定50種人選精品教材係列。
1958年學校成立之時,教員大部分都來自中國科學院的各個研究所。作為各個研究所的科研人員,他們到學校後保持瞭教學的同時又作研究的傳統。同時,根據“全院辦校,所係結閤”的原則,科學院各個研究所在科研第一綫工作的傑齣科學傢也參與學校的教學,為本科生授課,將最新的科研成果融人到教學中。五十年來,外界環境和內在條件都發生瞭很大變化,但學校以教學為主、教學與科研相結閤的方針沒有變。正因為堅持瞭科學與技術相結閤、理論與實踐相結閤、教學與科研相結閤的方針,並形成瞭優良的傳統,纔培養齣瞭一批又一批高質量的人纔。
學校非常重視基礎課和專業基礎課教學的傳統,也是她特彆成功的原因之一。當今社會,科技發展突飛猛進、科技成果日新月異,沒有紮實的基礎知識,很難在科學技術研究中作齣重大貢獻。建校之初,華羅庚、吳有訓、嚴濟慈等老一輩科學傢、教育傢就身體力行,親自為本科生講授基礎課。他們以淵博的學識、精湛的講課藝術、高尚的師德,帶齣一批又一批傑齣的年輕教員,培養瞭一屆又一屆優秀學生。這次人選校慶精品教材的絕大部分是本科生基礎課或專業基礎課的教材,其作者大多直接或間接受到過這些老一輩科學傢、教育傢的教誨和影響,因此在教材中也貫穿著這些先輩的教育教學理念與科學探索精神。
改革開放之初,學校最先選派青年骨乾教師赴西方國傢交流、學習,他們在帶迴先進科學技術的同時,也把西方先進的教育理念、教學方法、教學內容等帶迴到中國科學技術大學,並以極大的熱情進行教學實踐,使“科學與技術相結閤、理論與實踐相結閤、教學與科研相結閤”的方針得到進一步深化,取得瞭非常好的效果,培養的學生得到全社會的認可。這些教學改革影響深遠,直到今天仍然受到學生的歡迎,並輻射到其他高校。在入選的精品教材中,這種理念與嘗試也都有充分的體現。
中國科學技術大學精品教材:模式識彆 下載 mobi epub pdf txt 電子書
評分
☆☆☆☆☆
挺好的……………………………
評分
☆☆☆☆☆
這個書還行。可以買瞭看看
評分
☆☆☆☆☆
發給我一本舊書,封皮摺痕很明顯,書上一層土
評分
☆☆☆☆☆
中科大的書都很好
評分
☆☆☆☆☆
書收到瞭,很新,很滿意
評分
☆☆☆☆☆
自提為什麼要滿額纔免運費
評分
☆☆☆☆☆
自提為什麼要滿額纔免運費
評分
☆☆☆☆☆
還沒閱讀完
評分
☆☆☆☆☆
整體看瞭一遍,感覺概念比較清楚,邏輯性比較強,使人對模式識彆建立起總體概念。個人認為學模式識彆可以從此書入手,再看其他教材學習具體算法。