- 作 者：余正涛，郭剑毅，毛存礼等编著
- 出 版 社：北京：科学出版社
- 出版年份：2014
- ISBN：9787030405708
- 标注页数：409 页
- PDF页数：132 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132 ≥409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 模式识别概论 1
1.1 概述 1
1.2 模式识别的发展历史 3
1.3 模式识别与其他学科的关系 5
1.4 模式识别的基本方法 6
1.5 模式识别的应用 8
本章小结 12
习题与思考题 15
参考文献 15
第2章 模式识别的基本概念 17
2.1 概述 17
2.2 基本概念 17
2.3 模式识别系统 20
2.4 模式识别的一些基本问题 21
2.5 相关数学概念 27
本章小结 30
习题与思考题 31
参考文献 31
第3章 模式识别的判别函数 32
3.1 概述 32
3.2 线性判别函数的基本概念 32
3.3 线性判别函数的判定面 33
3.4 非线性判别函数 40
3.5 广义线性判别函数 43
3.6 线性分类器的设计 50
本章小结 53
习题与思考题 53
参考文献 54
第4章 线性分类器 55
4.1 概述 55
4.2 线性判别函数与决策超平面 55
4.3 感知器算法 59
4.4 最小误差平方和法 63
4.5 梯度下降算法与最小二乘法 66
4.6 Fisher分类器 70
本章小结 76
习题与思考题 77
参考文献 77
第5章 特征提取与选择 78
5.1 概述 78
5.2 基本概念 78
5.3 类别可分性判据 80
5.4 基于可分性判据的特征提取 87
5.5 基于K-L变换的特征提取 91
本章小结 99
习题与思考题 100
参考文献 102
第6章 基于贝叶斯决策理论的分类器 103
6.1 概述 103
6.2 贝叶斯决策理论的基本概念 104
6.3 常用的决策规则 105
6.4 概率密度函数的估计 111
6.5 朴素贝叶斯分类器 115
6.6 贝叶斯网络 116
本章小结 120
习题与思考题 121
参考文献 122
第7章 聚类分析 123
7.1 概述 123
7.2 聚类分析的概念 124
7.3 相似性度量 127
7.4 聚类准则函数 129
7.5 聚类算法 134
7.6 聚类分析在虚假评论检测中的应用 146
本章小结 150
习题与思考题 151
参考文献 152
第8章 句法模式识别 153
8.1 概述 153
8.2 形式语言概述 155
8.3 基元提取和文法推断 159
8.4 句法分析 161
8.5 自动机理论 164
8.6 自动机理论在语音识别中的应用 168
本章小结 172
习题与思考题 173
参考文献 174
第9章 模糊模式识别 175
9.1 概述 175
9.2 模糊模式识别的基本概念 175
9.3 直接模糊模式识别法 177
9.4 间接模糊模式识别法 181
9.5 模糊聚类 183
9.6 模糊模式识别在大气质量评定中的应用 190
本章小结 193
习题与思考题 193
参考文献 195
第10章 决策树 196
10.1 概述 196
10.2 决策树学习 197
10.3 CLS学习算法 199
10.4 ID3学习算法 202
10.5 决策树的剪枝技术 210
10.6 决策树的评价 215
10.7 决策树算法的优化 215
10.8 决策树的应用 216
10.8.1 决策树在文本分类中的应用 216
10.8.2 基于决策树的个人住房贷款信用风险评估模型 220
本章小结 226
习题与思考题 227
参考文献 229
第11章 人工神经网络 230
11.1 概述 230
11.2 神经元 230
11.3 人工神经网络拓扑结构 233
11.4 人工神经网络学习方法及规则 233
11.5 前馈神经网络及其主要算法 235
11.6 Hopfield网络 241
11.7 自组织神经网络 244
11.8 人工神经网络的应用 246
本章小结 248
习题与思考题 249
参考文献 250
第12章 隐马尔可夫模型 251
12.1 概述 251
12.2 隐马尔可夫模型的概念 251
12.3 隐马尔可夫模型的三个基本问题及解决办法 256
12.4 隐马尔可夫模型在中文旅游景点识别中的应用 265
本章小结 269
习题与思考题 270
参考文献 271
第13章 最大熵模型 272
13.1 概述 272
13.2 熵及最大熵 273
13.3 最大熵模型 280
13.4 最大熵在自然语言处理中的应用 286
本章小结 290
习题与思考题 290
参考文献 291
第14章 条件随机场 292
14.1 概述 292
14.2 概率图模型 292
14.3 条件随机场简介 298
14.4 势函数 299
14.5 参数估计与训练 300
14.6 参数估计的优化 305
14.7 条件随机场在旅游领域命名实体识别中的应用 307
本章小结 312
习题与思考题 313
参考文献 313
第15章 统计学习理论及支持向量机 315
15.1 概述 315
15.2 机器学习的基本问题和方法 316
15.3 统计学习理论 318
15.4 支持向量机 322
15.5 支持向量机的分类与回归 329
15.6 基于支持向量机的汉语问句分类 338
本章小结 341
习题与思考题 342
参考文献 342
第16章 统计语言模型及信息检索 344
16.1 概述 344
16.2 统计语言模型 344
16.3 信息检索 353
16.4 统计语言模型在拼音输入法中的应用 367
本章小结 370
习题与思考题 371
参考文献 371
第17章 基于SVM的中文文本分类 373
17.1 概述 373
17.2 文本分类的原理 373
17.3 基于SVM的文本分类 376
本章小结 378
参考文献 378
第18章 基于K均值的中文文本聚类 379
18.1 概述 379
18.2 K均值聚类 379
18.3 K均值中文文本聚类 380
18.4 实验与结果分析 382
本章小结 383
参考文献 384
第19章 基于HMM的语音识别 385
19.1 概述 385
19.2 语音识别 386
19.3 实验及结果分析 390
本章小结 398
参考文献 399
第20章 基于BP神经网络的数字识别 400
20.1 概述 400
20.2 基于BP神经网络数字识别的算法 400
本章小结 408
参考文献 409