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(nèi)容簡介

　　本書對統(tǒng)計模式識別的基本理論和技術(shù)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(guān)鍵技術(shù)。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(gòu)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(shù)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常活躍的學習和研究領(lǐng)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(shù)。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(shù)，以及新的參考文獻。本書對統(tǒng)計模式識別這個領(lǐng)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(nèi)容。本書覆蓋了許多應用領(lǐng)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(jié)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(shù)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(jié)
  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(jié)
  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(jié)
  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(jié)
  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(jié)
  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(jié)
  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(jié)
  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(jié)
  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(jié)
  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(jié)構(gòu)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