统计模式识别 第2版

目录 1

符号 1

第1章　统计模式识别概论 3

1.1　统计模式识别 3

1.2　解决模式识别问题的步骤 4

1.3　问题讨论 5

1.4　有监督分类和无监督分类 6

1.5　研究统计模式识别问题的方法 6

1.6　多重回归 21

1.7　本书梗概 23

1.8　参考文献 24

1.9　习题 25

2.1 引言 27

第2章　密度估计——参数法 27

2.2　基于正态分布的模型 28

2.3　正态混合模型 33

2.4　贝叶斯估计 40

2.5　应用研究 60

2.6　总结 61

2.7　建议 62

2.8　参考文献 62

2.9　习题 62

第3章　密度估计——非参数法 65

3.1　引言 65

3.2　直方图法 66

3.3　k近邻法 74

3.4　用基函数展开 82

3.5　核函数方法 84

3.6　应用研究 92

3.7　总结 93

3.8　建议 94

3.9　参考文献 94

3.10　习题 94

第4章　线性判别分析 97

4.1　引言 97

4.2　两类问题算法 97

4.3　多类算法 114

4.4　逻辑斯谛判别 125

4.5　应用研究 129

4.6　总结 130

4.7　建议 130

4.9　习题 131

4.8　参考文献 131

第5章　非线性判别分析——核函数法 134

5.1　引言 134

5.2　优化准则 135

5.3　径向基函数 140

5.4　非线性支持向量机 150

5.5　应用研究 156

5.6　总结 157

5.7　建议 157

5.8　参考文献 158

5.9　习题 158

第6章　非线性判别分析——投影法 161

6.1　引言 161

6.2　多层感知器 161

6.3　投影寻踪 171

6.4　应用研究 174

6.6　建议 175

6.5　总结 175

6.7　参考文献 176

6.8　习题 176

第7章　基于树的方法 178

7.1　引言 178

7.2　分类树 178

7.3　多元自适应回归样条 191

7.4　应用研究 194

7.5　总结 195

7.6　建议 195

7.7　参考文献 196

7.8　习题 196

8.2　性能评价 198

第8章　性能 198

8.1　引言 198

8.3　分类器性能的比较 210

8.4　分类器的组合 214

8.5　应用研究 236

8.6　总结 236

8.7　建议 237

8.8　参考文献 237

8.9　习题 238

第9章　特征选择与特征提取 240

9.1　引言 240

9.2　特征选择 241

9.3　线性特征提取 250

9.4　多维尺度分析 269

9.5　应用研究 276

9.6　总结 277

9.7　建议 278

9.8　参考文献 278

9.9　习题 279

第10章　聚类 282

10.1　引言 282

10.2　分层聚类法 283

10.3　快速分类 289

10.4　混合模型 290

10.5 平方和方法 292

10.6　聚类有效性 308

10.7　应用研究 311

10.8　总结 313

10.10　参考文献 315

10.9　建议 315

10.11　习题 316

第11章　其他论题 318

11.1　模型选择 318

11.2　不可靠分类的学习 320

11.3　缺值数据 321

11.4　离群值检测和鲁棒方法 321

11.5　连续变量与离散变量的混合 322

11.6　结构风险最小化以及Vapnik-Chervonenkis维数 323

附录A　相异测度 325

附录B　参数估计 334

附录C　线性代数 338

附录D　数据 342

附录E　概率论 347

参考文献 355