- 作 者：郭志强著
- 出 版 社：北京：电子工业出版社
- 出版年份：2017
- ISBN：9787121323734
- 标注页数：199 页
- PDF页数：207 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源207 ≥199页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
第1章 贝叶斯决策 1
1.1 知识要点 1
1.2 实验指导 7
1.2.1 基于最小错误率的贝叶斯决策 7
1.2.2 最小风险判决规则 12
1.2.3 最大似然比判决规则 16
1.2.4 Neyman-Pearsen判决 21
第2章 参数估计 25
2.1 知识要点 25
2.2 实验指导 30
2.2.1 最大似然估计 30
2.2.2 贝叶斯估计 33
2.2.3 Parzen窗 36
2.2.4 kN近邻估计法 38
第3章 非参数判别分类法 41
3.1 知识要点 41
3.2 实验指导 44
3.2.1 两分法 44
3.2.2 两分法的设计 47
3.2.3 没有不确定区域的两分法 52
3.2.4 广义线性判别函数的设计与实现 56
3.2.5 感知器算法的设计与实现 58
3.2.6 两类问题Fisher准则 62
3.2.7 基于距离的分段线性判别函数 68
3.2.8 支持向量机 74
第4章 聚类分析法 80
4.1 知识要点 81
4.2 实验指导 84
4.2.1 距离测度 84
4.2.2 相似测度算法 90
4.2.3 基于匹配测度算法的实现 97
4.2.4 基于类间距离测度方法 103
4.2.5 聚类函数准则 106
4.2.6 基于最近邻规则的聚类算法 108
4.2.7 基于最大最小距离聚类算法的实现 113
4.2.8 基于C-均值聚类算法实验 116
第5章 特征提取与选择 124
5.1 知识要点 124
5.2 实验指导 128
5.2.1 基于距离的可分性判据 128
5.2.2 基于概率距离判据的特征提取方法 130
5.2.3 基于熵函数的可分性判据 134
5.2.4 利用类均值向量提取特征 136
5.2.5 基于类平均向量中判别信息的最优压缩的实现 141
5.2.6 增添特征法 144
5.2.7 剔减特征法 148
5.2.8 增l减r（算法）的设计／实现 151
5.2.9 分支定界法（BAB算法） 156
第6章 模糊模式识别 161
6.1 知识要点 161
6.2 实验指导 163
6.2.1 最大隶属度识别法 163
6.2.2 择近原则识别法 167
6.2.3 基于模糊等价关系的聚类算法研究 170
第7章 神经网络在模式识别中的应用 179
7.1 知识要点 179
7.2 实验指导 181
7.2.1 前馈神经网络感知器的设计实现 181
7.2.2 基于BP网络的多层感知器 184
7.2.3 自组织特征映射网络的设计／实现 189
7.2.4 径向基神经网络 194
参考文献 198