《模式識(shí)別》主要介紹統(tǒng)計(jì)模式識(shí)別和結(jié)構(gòu)模式識(shí)別的相關(guān)內(nèi)容。全書由7章組成，第1章為緒論，第2章介紹統(tǒng)計(jì)模式識(shí)別中的幾何方法，著重介紹特征空間的概念和相關(guān)分類器的設(shè)計(jì)方法。第3章介紹統(tǒng)計(jì)模式識(shí)別中的概率方法，著重介紹最小錯(cuò)誤概率分類器、最小風(fēng)險(xiǎn)分類器、紐曼皮爾遜分類器和最小最大分類器以及概率密度函數(shù)的參數(shù)估計(jì)和非參數(shù)估計(jì)等。第4章討論典型分類器錯(cuò)誤概率的計(jì)算問題。第5章討論無(wú)監(jiān)督情況下的模式識(shí)別問題，著重介紹幾種典型的聚類算法：基于分裂的聚類方法、基于合并的聚類方法、動(dòng)態(tài)聚類方法、基于核函數(shù)的聚類方法和近鄰函數(shù)值聚類方法等。第6章討論結(jié)構(gòu)模式識(shí)別問題，給出幾種典型的文法規(guī)則和與之相關(guān)聯(lián)的識(shí)別裝置，包括有限狀態(tài)自動(dòng)機(jī)、下推自動(dòng)機(jī)和圖靈機(jī)等。最后，在第7章對(duì)全書進(jìn)行總結(jié)。
《模式識(shí)別》可作為電子信息類各專業(yè)高年級(jí)本科生和碩士研究生模式識(shí)別課程的教材，也可供從事模式識(shí)別相關(guān)研究的教師和科研人員參考。
目錄
總序前言第1章 緒論 1.1 模式和模式識(shí)別 1.2 模式的分類 1.3 模式識(shí)別系統(tǒng)的基本構(gòu)成 1.4 模式識(shí)別方法及其分類 1.5 模式識(shí)別舉例 1.6 本書內(nèi)容安排第2章 統(tǒng)計(jì)模式識(shí)別中的幾何方法 2.1 統(tǒng)計(jì)分類的基本思想 2.1.1 特征空間和分類器設(shè)計(jì) 2.1.2 兩個(gè)例子 2.2 模式的相似性度量和最小距離分類器 2.2.1 相似性度量和距離函數(shù) 2.2.2 最小距離分類器 2.3 線性可分情況下的幾何分類法 2.3.1 線性判別函數(shù)和線性分類器 2.3.2 線性判別函數(shù)的參數(shù)確定 2.3.3 感知器算法 2.3.4 收斂性定理 2.3.5 梯度下降法 2.3.6 最小平方誤差法 2.4 非線性可分情況下的幾何分類法 2.4.1 廣義線性判別函數(shù)法 2.4.2 分段線性判別函數(shù)法 2.4.3 非線性判別函數(shù)法：位勢(shì)函數(shù)法 2.5 線性可分問題的非迭代解法 2.6 最優(yōu)分類超平面 本章小結(jié)第3章 統(tǒng)計(jì)模式識(shí)別中的概率方法 3.1 用概率方法描述分類問題 3.2 幾個(gè)相關(guān)的概念 3.3 最小錯(cuò)誤概率判決準(zhǔn)則 3.4 最小風(fēng)險(xiǎn)判決規(guī)則 3.5 貝葉斯統(tǒng)計(jì)判決規(guī)則的似然比表現(xiàn)形式 3.5.1 最小錯(cuò)誤概率判決規(guī)則的似然比表現(xiàn)形式 3.5.2 最小風(fēng)險(xiǎn)判決規(guī)則的似然比表現(xiàn)形式 3.6 拒絕判決 3.7 貝葉斯分類器的一般結(jié)構(gòu) 3.8 Neyman-Pearson判決規(guī)則 3.9 最小最大判決規(guī)則 3.10 基于分段線性化的分類器設(shè)計(jì) 3.11 正態(tài)分布下的分類器設(shè)計(jì) 3.11.1 正態(tài)分布的定義和若干性質(zhì) 3.11.2 正態(tài)分布下的分類器設(shè)計(jì) 3.12 有監(jiān)督情況下類條件概率密度的參數(shù)估計(jì) 3.12.1 最大似然估計(jì) 3.12.2 貝葉斯估計(jì)和貝葉斯學(xué)習(xí) 3.13 非監(jiān)督情況下類條件概率密度的參數(shù)估計(jì) 3.14 類條件概率密度的非參數(shù)估計(jì) 3.14.1 非參數(shù)估計(jì)的基本概念和方法 3.14.2 Parzen窗估計(jì)法 3.14.3 kn-近鄰估計(jì)法 3.14.4 正交級(jí)數(shù)副近法 本章小結(jié)第4章 分類器的錯(cuò)誤率 4.1 正態(tài)分布下的錯(cuò)誤率 4.2 樣本各維之間統(tǒng)計(jì)獨(dú)立情況下的錯(cuò)誤率 4.3 錯(cuò)誤率界限的理論估計(jì) 4.3.1 Chernoff界限 4.3.2 Bhattacharyya界限 4.4 近鄰分類法的錯(cuò)誤率 4.5 分類器錯(cuò)誤率的實(shí)驗(yàn)估計(jì) 4.5.1 已訓(xùn)練分類器錯(cuò)誤率的實(shí)驗(yàn)估計(jì) 4.5.2 有限樣本情況下分類器錯(cuò)誤率的實(shí)驗(yàn)估計(jì) 本章小結(jié)第5章 統(tǒng)計(jì)模式識(shí)別中的聚類方法 5.1 聚類分析 5.2 聚類準(zhǔn)則 5.2.1 誤差平方和準(zhǔn)則函數(shù) 5.2.2 權(quán)平均平方距離和準(zhǔn)則函數(shù) 5.2.3 類間距離和準(zhǔn)則函數(shù) 5.2.4 離散度準(zhǔn)則函數(shù) 5.3 基于分裂的聚類算法 5.3.1 簡(jiǎn)單增類聚類算法 5.3.2 改進(jìn)的增類聚類算法 5.4 基于合并的聚類算法 5.5 動(dòng)態(tài)聚類算法 5.5.1 C-均值動(dòng)態(tài)聚類算法(Ⅰ) 5.5.2 C-均值動(dòng)態(tài)聚類算法(Ⅱ) 5.5.3 ISODATA算法 5.5.4 基于樣本和核的相似性度量的動(dòng)態(tài)聚類算法 5.6 基于近鄰函數(shù)值準(zhǔn)則的聚類算法 5.7 最小張樹聚類算法 本章小結(jié)第6章 結(jié)構(gòu)模式識(shí)別中的句法方法 6.1 模式基元和模式結(jié)構(gòu)的表達(dá) 6.2 形式語(yǔ)言基礎(chǔ) 6.2.1 集合、集合間的關(guān)系和集合運(yùn)算 6.2.2 符號(hào)串和語(yǔ)言 6.2.3 文法 6.2.4 文法的分類 6.3 有限狀態(tài)自動(dòng)機(jī) 6.3.1 確定的有限狀態(tài)自動(dòng)機(jī) 6.3.2 非確定的有限狀態(tài)自動(dòng)機(jī) 6.3.3 有限狀態(tài)自動(dòng)機(jī)之間的等價(jià) 6.3.4 有限狀態(tài)文法和有限狀態(tài)自動(dòng)機(jī) 6.4 下推自動(dòng)機(jī) 6.4.1 下推自動(dòng)機(jī)的即時(shí)描述 6.4.2 上下文無(wú)關(guān)文法和下推自動(dòng)機(jī) 6.5 圖靈機(jī) 6.6 關(guān)于語(yǔ)言、文法和自動(dòng)機(jī)的再討論 6.6.1 語(yǔ)言的命名 6.6.2 從語(yǔ)言構(gòu)建自動(dòng)機(jī) 6.6.3 語(yǔ)言類型的確定 6.7 句法分析 6.7.1 正向剖析過程的樹表示 6.7.2 先驗(yàn)規(guī)則引導(dǎo)的樹正向剖析算法 6.7.3 基于三角表格的反向剖析算法 6.8 文法推斷 6.8.1 正則文法的推斷 6.8.2 非正則文法的推斷 本章小結(jié)第7章 總結(jié)附錄參考文獻(xiàn)
總序前言第1章 緒論 1.1 模式和模式識(shí)別 1.2 模式的分類 1.3 模式識(shí)別系統(tǒng)的基本構(gòu)成 1.4 模式識(shí)別方法及其分類 1.5 模式識(shí)別舉例 1.6 本書內(nèi)容安排第2章 統(tǒng)計(jì)模式識(shí)別中的幾何方法 2.1 統(tǒng)計(jì)分類的基本思想 2.1.1 特征空間和分類器設(shè)計(jì) 2.1.2 兩個(gè)例子 2.2 模式的相似性度量和最小距離分類器 2.2.1 相似性度量和距離函數(shù) 2.2.2 最小距離分類器 2.3 線性可分情況下的幾何分類法 2.3.1 線性判別函數(shù)和線性分類器 2.3.2 線性判別函數(shù)的參數(shù)確定 2.3.3 感知器算法 2.3.4 收斂性定理 2.3.5 梯度下降法 2.3.6 最小平方誤差法 2.4 非線性可分情況下的幾何分類法 2.4.1 廣義線性判別函數(shù)法 2.4.2 分段線性判別函數(shù)法 2.4.3 非線性判別函數(shù)法：位勢(shì)函數(shù)法 2.5 線性可分問題的非迭代解法 2.6 最優(yōu)分類超平面 本章小結(jié)第3章 統(tǒng)計(jì)模式識(shí)別中的概率方法 3.1 用概率方法描述分類問題 3.2 幾個(gè)相關(guān)的概念 3.3 最小錯(cuò)誤概率判決準(zhǔn)則 3.4 最小風(fēng)險(xiǎn)判決規(guī)則 3.5 貝葉斯統(tǒng)計(jì)判決規(guī)則的似然比表現(xiàn)形式 3.5.1 最小錯(cuò)誤概率判決規(guī)則的似然比表現(xiàn)形式 3.5.2 最小風(fēng)險(xiǎn)判決規(guī)則的似然比表現(xiàn)形式 3.6 拒絕判決 3.7 貝葉斯分類器的一般結(jié)構(gòu) 3.8 Neyman-Pearson判決規(guī)則 3.9 最小最大判決規(guī)則 3.10 基于分段線性化的分類器設(shè)計(jì) 3.11 正態(tài)分布下的分類器設(shè)計(jì) 3.11.1 正態(tài)分布的定義和若干性質(zhì) 3.11.2 正態(tài)分布下的分類器設(shè)計(jì) 3.12 有監(jiān)督情況下類條件概率密度的參數(shù)估計(jì) 3.12.1 最大似然估計(jì) 3.12.2 貝葉斯估計(jì)和貝葉斯學(xué)習(xí) 3.13 非監(jiān)督情況下類條件概率密度的參數(shù)估計(jì) 3.14 類條件概率密度的非參數(shù)估計(jì) 3.14.1 非參數(shù)估計(jì)的基本概念和方法 3.14.2 Parzen窗估計(jì)法 3.14.3 kn-近鄰估計(jì)法 3.14.4 正交級(jí)數(shù)副近法 本章小結(jié)第4章 分類器的錯(cuò)誤率 4.1 正態(tài)分布下的錯(cuò)誤率 4.2 樣本各維之間統(tǒng)計(jì)獨(dú)立情況下的錯(cuò)誤率 4.3 錯(cuò)誤率界限的理論估計(jì) 4.3.1 Chernoff界限 4.3.2 Bhattacharyya界限 4.4 近鄰分類法的錯(cuò)誤率 4.5 分類器錯(cuò)誤率的實(shí)驗(yàn)估計(jì) 4.5.1 已訓(xùn)練分類器錯(cuò)誤率的實(shí)驗(yàn)估計(jì) 4.5.2 有限樣本情況下分類器錯(cuò)誤率的實(shí)驗(yàn)估計(jì) 本章小結(jié)第5章 統(tǒng)計(jì)模式識(shí)別中的聚類方法 5.1 聚類分析 5.2 聚類準(zhǔn)則 5.2.1 誤差平方和準(zhǔn)則函數(shù) 5.2.2 權(quán)平均平方距離和準(zhǔn)則函數(shù) 5.2.3 類間距離和準(zhǔn)則函數(shù) 5.2.4 離散度準(zhǔn)則函數(shù) 5.3 基于分裂的聚類算法 5.3.1 簡(jiǎn)單增類聚類算法 5.3.2 改進(jìn)的增類聚類算法 5.4 基于合并的聚類算法 5.5 動(dòng)態(tài)聚類算法 5.5.1 C-均值動(dòng)態(tài)聚類算法(Ⅰ) 5.5.2 C-均值動(dòng)態(tài)聚類算法(Ⅱ) 5.5.3 ISODATA算法 5.5.4 基于樣本和核的相似性度量的動(dòng)態(tài)聚類算法 5.6 基于近鄰函數(shù)值準(zhǔn)則的聚類算法 5.7 最小張樹聚類算法 本章小結(jié)第6章 結(jié)構(gòu)模式識(shí)別中的句法方法 6.1 模式基元和模式結(jié)構(gòu)的表達(dá) 6.2 形式語(yǔ)言基礎(chǔ) 6.2.1 集合、集合間的關(guān)系和集合運(yùn)算 6.2.2 符號(hào)串和語(yǔ)言 6.2.3 文法 6.2.4 文法的分類 6.3 有限狀態(tài)自動(dòng)機(jī) 6.3.1 確定的有限狀態(tài)自動(dòng)機(jī) 6.3.2 非確定的有限狀態(tài)自動(dòng)機(jī) 6.3.3 有限狀態(tài)自動(dòng)機(jī)之間的等價(jià) 6.3.4 有限狀態(tài)文法和有限狀態(tài)自動(dòng)機(jī) 6.4 下推自動(dòng)機(jī) 6.4.1 下推自動(dòng)機(jī)的即時(shí)描述 6.4.2 上下文無(wú)關(guān)文法和下推自動(dòng)機(jī) 6.5 圖靈機(jī) 6.6 關(guān)于語(yǔ)言、文法和自動(dòng)機(jī)的再討論 6.6.1 語(yǔ)言的命名 6.6.2 從語(yǔ)言構(gòu)建自動(dòng)機(jī) 6.6.3 語(yǔ)言類型的確定 6.7 句法分析 6.7.1 正向剖析過程的樹表示 6.7.2 先驗(yàn)規(guī)則引導(dǎo)的樹正向剖析算法 6.7.3 基于三角表格的反向剖析算法 6.8 文法推斷 6.8.1 正則文法的推斷 6.8.2 非正則文法的推斷 本章小結(jié)第7章 總結(jié)附錄參考文獻(xiàn)
|
