图书介绍

模式识别导论2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

范九伦，赵凤，吴青等编著著
出版社：西安：西安电子科技大学出版社
ISBN：9787560627472
出版时间：2012
标注页数：150页
文件大小：11MB
文件页数：160页
主题词：模式识别－高等学校－教材

PDF下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢] [在线试读本书] [在线获取解压码]

点击复制MD5值：9d627a97c60743db2d19b5a87cb0e28c

下载说明

模式识别导论PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数要大于标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

图书目录

第1章引论1

1.1模式识别及模式识别系统1

1.1.1模式识别的基本概念1

1.1.2认知模式识别2

1.1.3计算机模式识别3

1.2模式识别的基本方法6

1.2.1统计模式识别6

1.2.2结构模式识别7

1.2.3模糊模式识别7

1.2.4神经网络模式识别7

1.3模式识别的一些基本准则8

1.3.1奥卡姆剃刀原理8

1.3.2没有免费的午餐定理8

1.3.3丑小鸭定理9

1.4模式识别的应用9

1.4.1生物特征识别9

1.4.2目标识别12

1.4.3图像识别13

1.4.4图形识别14

1.4.5故障诊断14

第2章线性判别函数法15

2.1判别函数的基本概念15

2.2线性判别函数16

2.2.1线性判别函数的一般形式16

2.2.2线性判别函数的基本性质17

2.2.3线性判别函数的几何性质20

2.2.4设计线性分类器的主要步骤22

2.3感知器学习算法22

2.3.1几个基本概念22

2.3.2感知器算法23

2.4最小均方误差算法26

2.5 Fisher线性判别法27

2.5.1类内离散度矩阵和类间离散度矩阵27

2.5.2 Fisher线性判别法29

2.6线性二分能力30

习题32

上机练习33

第3章非线性判别函数34

3.1分段线性判别函数34

3.1.1一般分段线性判别函数34

3.1.2基于距离的分段线性判别函数35

3.2分段线性判别函数的学习方法36

3.2.1已知子类划分的学习方法37

3.2.2已知子类数目的学习方法37

3.2.3未知子类数目的学习方法38

3.3势函数法39

3.3.1势函数39

3.3.2势函数法39

3.3.3势函数的选择41

3.4广义线性判别函数43

3.5二次判别函数45

习题46

上机练习47

第4章统计决策方法48

4.1最小误判概率准则判决48

4.1.1基础知识48

4.1.2最小误判概率准则判决49

4.2最小损失准则判决52

4.2.1损失函数与平均损失53

4.2.2最小损失贝叶斯准则判决53

4.3最小最大准则54

4.4正态分布模型的统计决策56

4.4.1正态分布概率密度函数57

4.4.2正态模型的Bayes决策58

习题60

上机练习61

第5章概率密度函数估计62

5.1参数估计的基本概念62

5.2概率密度函数的参数估计63

5.2.1最大似然估计63

5.2.2 Bayes估计和Bayes学习66

5.3概率密度函数的非参数估计71

5.3.1非参数估计的基本原理71

5.3.2 Parzen窗法73

5.3.3ΚΝ-近邻法76

习题77

上机练习78

第6章聚类分析79

6.1聚类分析的基本概念79

6.2模式相似性测度和聚类准则80

6.2.1模式相似性测度80

6.2.2聚类准则81

6.3基于距离阈值的聚类法83

6.3.1近邻聚类法83

6.3.2最大最小距离聚类法84

6.4层次聚类法84

6.4.1类与类之间的距离85

6.4.2层次聚类法87

6.5动态聚类算法91

6.5.1HCM算法92

6.5.2ISODATA算法94

习题98

上机练习98

第7章特征提取与选择100

7.1特征提取与选择的基本概念100

7.1.1特征的种类100

7.1.2特征提取与选择101

7.2基于距离的特征提取101

7.2.1基于距离的类别可分性测度102

7.2.2基于距离可分性测度的特征提取103

7.3基于离散K-L变换的特征提取106

7.3.1离散K-L变换（DKLT）106

7.3.2离散K-L变换在特征提取中的应用108

7.4特征选择方法109

7.4.1最优搜索法109

7.4.2次优搜索法111

习题112

上机练习113

第8章模糊模式识别114

8.1模糊集合114

8.1.1模糊集合的定义及表示114

8.1.2模糊集合的运算115

8.2模糊模式识别的基本方法116

8.2.1模糊模式识别的基本过程117

8.2.2常用的隶属度函数118

8.2.3最大隶属度原则122

8.2.4择近原则123

8.3模糊聚类分析126

8.3.1模糊等价关系法126

8.3.2模糊c-均值聚类算法129

8.4聚类有效性评价131

8.4.1硬聚类有效性评价131

8.4.2模糊聚类有效性评价132

习题134

上机练习134

第9章模式分析的核方法135

9.1核函数135

9.1.1非线性特征映射和核函数135

9.1.2核函数的基本理论137

9.1.3核函数的构造139

9.2核HCM算法140

9.3核FCM算法141

9.4核离散K-L变换143

9.5核Fisher线性判别144

9.6支持向量机145

9.6.1线性支持向量机145

9.6.2非线性支持向量机148

9.6.3支持向量机的多分类方法148

习题149

上机练习149

参考文献150