出版者的话
专家指导委员会
译者序
前言
第1章 绪论
1.1 机器感知
1.2 一个例子
1.3 模式识别系统
1.4 设计循环
1.5 学习和适应
1.6 本章小结
全书各章概要
文献和历史评述
参考文献
第2章 贝叶斯决策论
2.1 引言
2.2 贝叶斯决策论——连续特征
2.3 最小误差率分类
2.4 分类器、判别函数及判定面
2.5 正态密度
2.6 正态分布的判别函数
2.7 误差概率和误差积分
2.8 正态密度的误差上界
2.9 贝叶斯决策论——离散特征
2.10 丢失特征和噪声特征
2.11 贝叶斯置信网
2.12 复合贝叶斯决策论及上下文
本章小结
文献和历史评述
习题
上机练习
参考文献
第3章 最大似然估计和贝叶斯参数估计
第4章 非参数技术
第5章 线性判别函数
第6章 多层神经网络
第7章 随机方法
第8章 非度量方法
第9章 独立于算法的机器学习
第10章 无监督学习和聚类
附录A 数学基础
参考文献
索引
· · · · · · (收起)
专家指导委员会
译者序
前言
第1章 绪论
1.1 机器感知
1.2 一个例子
1.3 模式识别系统
1.4 设计循环
1.5 学习和适应
1.6 本章小结
全书各章概要
文献和历史评述
参考文献
第2章 贝叶斯决策论
2.1 引言
2.2 贝叶斯决策论——连续特征
2.3 最小误差率分类
2.4 分类器、判别函数及判定面
2.5 正态密度
2.6 正态分布的判别函数
2.7 误差概率和误差积分
2.8 正态密度的误差上界
2.9 贝叶斯决策论——离散特征
2.10 丢失特征和噪声特征
2.11 贝叶斯置信网
2.12 复合贝叶斯决策论及上下文
本章小结
文献和历史评述
习题
上机练习
参考文献
第3章 最大似然估计和贝叶斯参数估计
第4章 非参数技术
第5章 线性判别函数
第6章 多层神经网络
第7章 随机方法
第8章 非度量方法
第9章 独立于算法的机器学习
第10章 无监督学习和聚类
附录A 数学基础
参考文献
索引
· · · · · · (收起)
具体描述
《模式分类》(原书第2版)的第1版《模式分类与场景分析》出版于1973年，是模式识别和场景分析领域奠基性的经曲名著。在第2版中，除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。作者还为未来25年的模式识别的发展指明了方向。书中包含许多实例，各种不同方法的对比，丰富的图表，以及大量的课后习题和计算机练习。
用户评价
评分
##我选的自学参考书
评分##没学过的看不明白，学懂了的又懒得看，所以最适合我这种学过跟没学过似的的（当年的感想）
评分##一遍是不够的……
评分##课本飘过……
评分##费了好久的劲啊
评分##这样的书给最佳评价绝对不为过，对于研究模式识别、信号处理等多种方向的童鞋都有帮助。主要是里面对许多数学方面都给予了应用方面的解释。
评分##研一再读
评分##课本飘过……
评分##怎么说了，这本书在模式分类中的概括的内容很多，但是翻译的的确很烂，很多地方不是很容易懂，不太适合机器学习的初学者吧
