模式識別

目錄
前言
第1章緒論
1.1模式識別的基本概念
1.2模式識別的內容、特點和方法
1.3模式識別的應用和發(fā)展
習題1
第2章聚類分析
2.1引言
2.2相似性度量和聚類準則
2.3基于距離閾值的聚類算法
2.4層次聚類法
2.5動態(tài)聚類法
2.6聚類結果的評價
習題2
第3章判別函數法
3.1概述
3.2線性判別函數
3.3線性判別函數的幾何性質
3.4感知器算法
3.5梯度法
3.6最小平方誤差算法
3.7費歇爾線性判別法
3.8非線性判別函數
3.9勢函數法
3.10分類器應用實例及代碼
習題3
第4章基于統(tǒng)計決策的概率分類
4.1貝葉斯決策
4.2貝葉斯決策方法的應用
4.3貝葉斯分類器的錯誤率
4.4聶曼皮爾遜決策
4.5類條件概率密度函數的參數估計
4.6概率密度的非參數估計
4.7后驗概率密度函數的勢函數估計法
習題4
第5章特征選擇與特征提取
5.1基本概念
5.2類別可分性測度
5.3基于類內散布矩陣的單類模式特征提取
5.4基于KL變換的多類模式特征提取
5.5特征選擇
5.6特征選擇的幾種全局搜索方法
習題5
第6章句法模式識別
6.1概述
6.2形式語言概述
6.3模式的描述方法
6.4文法推斷
6.5句法分析及模式識別
6.6句法結構的自動機識別
習題6
第7章模糊模式識別
7.1模糊集合
7.2模糊集合的運算
7.3模糊關系與模糊矩陣
7.4模糊模式分類的直接方法和間接方法
7.5模糊聚類分析法
習題7
第8章神經網絡模式識別法
8.1人工神經網絡概述
8.2神經網絡的基本概念
8.3前向神經網絡
8.4競爭學習神經網絡
8.5反饋型神經網絡
習題8
第9章決策樹
9.1什么是決策樹
9.2屬性選擇的幾個度量
9.3決策樹的建立算法
習題9
第10章支持向量機
10.1支持向量機的理論基礎
10.2線性判別函數和判別面
10.3線性不可分下的判別面
10.4非線性可分下的判別函數
習題10
第11章粗糙集方法
11.1基本概念
11.2信息系統(tǒng)和決策表及其約簡
11.3基于粗糙集的分類器設計
習題11
參考文獻