内容介绍
用户评论
全部咨询
内容简介
本书是联邦德国模式识别专家H.尼曼教授的新著．它系统地论述了模式分类的基本理论及分类系统设计的基本方法．全书共六章，内容包括模式的预处理，特征抽取，数值分类方法，非数值（句法）分类方法，各种分类器设计的基本理论和方法，以及学习训练与维数问题等．本书的主要特点是取材精炼、思路新颖、理论自成体系，数学方法的运用与整个学科体系的建立融为一体，作者把基本的模式识别分类方法用清晰的实例系统由浅入深地进行讲解，这与美国等其他国家的专家在这一学科领域的专著有较大区别．书后还附有比较完整的参考文献．
本书可作为模式识别、人工智能等专业的研究生和高年级学生的教学参考书，也可供上述领域及应用数学、信息科学、自动控制、生物医学工程及计算机应用方而的科技人员参考。
目录
- 第一章 引论
1.1 一般论述
1.2 定义
1.3 基本前提
1.4 本书的主题范围
1.5 应用
1.6 小结
第二章 预处理
2.1 编码
2.1.1 一般说明
2.1.2 采样
2.1.3 脉冲编码调制
2.1.4 跑长编码
2.1.5 链码
2.1.6 附注
2.2 阈值运算
2.3 模式改善
2.3.1 目的要求
2.3.2 线性系统
2.3.3 离散傅里叶变换
2.3.4 选择一个线性系统的观点
2.3.5 非线性运算
2.4 正规化措施
2.4.1 目的要求
2.4.2 大小
2.4.3 位置
2.4.4 能量
2.4.5 线条厚度
2.4.6 说话者
2.4.7 附注
2.5 离散模式的运算
2.5.1 离散模式的连通
2.5.2 并行和顺序的运算
2.6 小结
第三章 特征
3.1 目的要求与一般方法
3.2 启发式的方法
3.2.1 按一个正交基的展开
3.2.2 离散傅里叶变换的应用
3.2.3 沃尔什（Walsh）变换的应用
3.2.4 R变换
3.2.5 线性预测
3.2.6 矩
3.2.7 特征滤波器
3.2.8 特性系数
3.3 分析的方法
3.3.1 准则
3.3.2 与问题有关的级数展开
3.3.3 最优线性变换
3.3.4 附注
3.4 特征评价与选择
3.4.1 目的要求与问题
3.4.2 特征的品质度量
3.4.3 选择方法
3.5 符号
3.5.1 符号的确定
3.5.2 符号的抽取
3.6 特征举例
3.7 小结
第四章 数值分类
4.1 统计分类器
4.1.1 前提条件
4.1.2 分布密度的确定
4.1.3 最优分类器
4.1.4 特殊形式
4.1.5 错误概率与损失
4.1.6 类正态分布特征向量
4.2 与分布无关的分类器
4.2.1 假设
4.2.2 优化求解
4.2.3 分离函数的计算
4.2.4 拒识别准则
4.3 非参数分类器
4.3.1 分布密度的非参数估计
4.3.2 最近邻分类器
4.3.3 容许域
4.4 其他分类器类型
4.4.1 序贯分类器
4.4.2 决策树与分层分类
4.4.3 标称特征分类器
4.4.4 距离测量分类器
4.4.5 上下文的考虑
4.5 学习分类器
4.5.1 目的要求
4.5.2 类别可分离样本集
4.5.3 类别不可分离样本集
4.5.4 逐段线性分离函数
4.5.5 统计方法
4.5.6 聚类分析
4.5.7 混合分布的辨识
4.5.8 决策管理的学习
4.5.9 附注
4.6 维数问题
4.7 小结
第五章 非数值（句法）分类
5.1 原则
5.2 文法
5.2.1 构形
5.2.2 链文法
5.2.3 程序文法
5.2.4 随机文法
5.2.5 属性文法
5.2.6 补充
5.2.7 位置关系
5.2.8 用于模式识别的文法
5.3 符号串的分类
5.3.1 引言
5.3.2 正则语言
5.3.3 上下文无关语言
5.3.4 误差的处理
5.4 文法的自动构造
5.4.1 一般论述
5.4.2 有穷自动机的一个构造式方法
5.5 小结
第六章 一个分类系统
参考文献
名词术语索引
京公网安备 11010102004214号