統(tǒng)計模式識別（第二版）

定　價：￥45.00

作　者：	（英）Andrew R.Webb著；王萍等譯；王萍譯
出版社：	電子工業(yè)出版社
叢編項：	國外計算機科學教材系列
標　簽：	模式識別

購買這本書可以去

ISBN：	9787121004322	出版時間：	2004-10-01	包裝：	膠版紙
開本：	26cm	頁數(shù)：	400	字數(shù)：

內容簡介

　　本書對統(tǒng)計模式識別的基本理論和技術做了全面且詳盡的介紹。包括用于分類器設計的重要方法和用于數(shù)據(jù)分析和預處理的關鍵技術。前者有基于概率密度函數(shù)估計的參數(shù)法和非參數(shù)法，基于判別函數(shù)構建的線性模型、徑向基函數(shù)網(wǎng)絡、支持向量機、投影方法（神經(jīng)網(wǎng)絡）和判別分析決策樹等；后者涉及特征選擇和特征提取以及聚類分析。此外，本書還就分類器的特性測評和利用分類器的組合技術改進分類器特性等進行了較充分的討論。并且，對模型選擇、不可靠分類、缺值數(shù)據(jù)、離群值檢測、連續(xù)變量與離散變量的混合等問題進行了探討。本書前言統(tǒng)計模式識別是一個異?；钴S的學習和研究領域，近些年來取得了許多新進展。很多新的應用都需要健壯而有效的模式識別技術。統(tǒng)計決策與估計被盾做是模式識別研究的基本部分。統(tǒng)計模式識別（第二版）做了全面的修訂，加入了大量的新方法和新技術，以及新的參考文獻。本書對統(tǒng)計模式識別這個領域做了全面的介紹——包括工程學、統(tǒng)計學、計算機科學以及社會科學等內容。本書覆蓋了許多應用領域，如數(shù)據(jù)庫的設計、神經(jīng)網(wǎng)絡以及決策支持系統(tǒng)等。本書主要特點：對模式識別做了完備的介紹；每種方法的論述都附有實例說明；涵蓋了貝葉斯方法、神經(jīng)網(wǎng)絡、支持向量機以及非監(jiān)督分類；每小節(jié)的結束部分都闡述了所提及方法的應用，并介紹了講一步的理論進展；附有相異度、參數(shù)估計、線性數(shù)和概率論等背景知識；附有各咱各樣的練習，從一目了然的問題到較為復雜的工程性問題。本書主要供統(tǒng)計學與工程學的高年級本科生和研究生學習統(tǒng)計模式識別、模式處理、神經(jīng)網(wǎng)絡以及數(shù)據(jù)挖掘之用，同時也可作為從事高級信息開發(fā)工作的專業(yè)技術人員的優(yōu)秀參考書。

作者簡介

暫缺《統(tǒng)計模式識別（第二版）》作者簡介

圖書目錄

第1章  統(tǒng)計模式識別概論
  1.1   統(tǒng)計模式識別
  1.2  解決模式識別問題的步驟
  1.3  問題討論
  1.4  有監(jiān)督分類和無監(jiān)督分類
  1.5  研究統(tǒng)計模式識別問題的方法
  1.6  多重回歸
  1.7  本書梗概
  1.8  參考文獻
  1.9  習題
第2章  密度估計——參數(shù)法
  2.1  引言
  2.2  基于正態(tài)分布的模型
  2.3  正態(tài)混合模型
  2.4  貝葉斯估計
  2.5  應用研究
  2.6  總結
  2.7  建議
  2.8  參考文獻
  2.9  習題
第3章  密度估計——非參數(shù)法
  3.1  引言
  3.2  直方圖法
  3.3  k近鄰法
  3.4  用基函數(shù)展開
  3.5  核函數(shù)方法
  3.6  應用研究
  3.7  總結
  3.8  建議
  3.9  參考文獻
  3.10習題
第4章  線性判別分析
  4.1  引言
  4.2  兩類問題算法
  4.3  多類算法
  4.4  邏輯斯諦判別
  4.5  應用研究
  4.6  總結
  4.7  建議
  4.8  參考文獻
  4.9  習題
第5章  非線性判別分析——核函數(shù)法
  5.1  引言
  5.2  優(yōu)化準則
  5.3  徑向基函數(shù)
  5.4  非線性支持向量機
  5.5  應用研究
  5.6  總結
  5.7  建議
  5.8  參考文獻
  5.9  習題
第6章  非線性判別分析——投影法
  6.1  引言
  6.2  多層感知器
  6.3  投影尋蹤
  6.4  應用研究
  6.5  總結
  6.6  建議
  6.7  參考文獻
  6.8  習題
第7章  基于樹的方法
  7.1  引言
  7.2  分類樹
  7.3  多元自適應回歸樣條
  7.4  應用研究
  7.5  總結
  7.6  建議
  7.7  參考文獻
  7.8  習題
第8章  性能
  8.1  引言
  8.2  性能評價
  8.3  分類器性能的比較
  8.4  分類器的組合
  8.5  應用研究
  8.6  總結
  8.7  建議
  8.8  參考文獻
  8.9  習題
第9章  特征選擇與特征提取
  9.1  引言
  9.2  特征選擇
  9.3  線性特征提取
  9.4  多維尺度分析
  9.5  應用研究
  9.6  總結
  9.7  建議
  9.8  參考文獻
  9.9  習題
第10章  聚類
  10.1  引言
  10.2  分層聚類法
  10.3  快速分類
  10.4  混合模型
  10.5  平方和方法
  10.6  聚類有效性
  10.7  應用研究
  10.8  總結
  10.9  建議
  10.10參考文獻
  10.11習題
第11章  其他論題
  11.1  模型選擇
  11.2  不可靠分類的學習
  11.3  缺值數(shù)據(jù)
  11.4  離群值檢測和魯棒方法
  11.5  連續(xù)變量與離散變量的混合
  11.6  結構風險最小化以及VapnikChervonenkis維數(shù)
附錄A  相異測度
附錄B  參數(shù)估計
附錄C  線性代數(shù)
附錄D  數(shù)據(jù)
附錄E  概率論
參考文獻