模式识别 算法及实现方法【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

模式识别 算法及实现方法PDF格式电子书版下载

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

第1章 导论1

1.1什么是模式识别？2

1.2模式识别的数据集合3

1.3模式识别的理论框架3

问题讨论4

延伸阅读材料5

习题5

本章参考文献5

第2章 模式集合的表征7

2.1模式集合表征的数据结构8

2.2模式聚类的表征14

2.3相似度度量方法14

2.4模式的尺寸20

2.5数据集合的抽象21

2.6特征提取23

2.7特征选择27

2.8分类分析方法36

2.9聚类分析方法37

问题讨论38

延伸阅读材料38

习题38

上机练习40

本章参考文献40

第3章 最近邻分类器42

3.1最近邻算法42

3.2典型的最近邻算法44

3.3最近邻算法在交易数据库中的应用47

3.4高效最近邻算法48

3.5数据约简方法57

3.6原型选择方法57

问题讨论68

延伸阅读材料68

习题69

上机练习71

本章参考文献71

第4章 贝叶斯分类器74

4.1贝叶斯理论74

4.2最小差错率分类器75

4.3概率估计方法77

4.4与NNC方法的比较79

4.5朴素贝叶斯分类器80

4.6贝叶斯置信网络84

问题讨论86

延伸阅读材料86

习题86

上机练习87

本章参考文献88

第5章 隐式马尔可夫模型89

5.1面向分类的马尔可夫模型90

5.2隐式马尔可夫模型95

5.3基于马尔可夫模型的分类方法100

问题讨论102

延伸阅读材料102

习题102

上机练习104

本章参考文献104

第6章 决策树105

6.1简介105

6.2面向模式分类的决策树方法107

6.3决策树的构建111

6.4节点拆分方法115

6.5过度拟合和修剪118

6.6决策树归纳实例119

问题讨论122

延伸阅读材料122

习题123

上机练习124

本章参考文献124

第7章 支持向量机126

7.1简介126

7.2学习线性判别函数132

7.3神经网络146

7.4面向分类的支持向量机152

问题讨论158

延伸阅读材料159

习题159

上机练习162

本章参考文献162

第8章 多分类器组合163

8.1简介163

8.2构建集成分类器的方法164

8.3多分类器组合方法172

问题讨论175

延伸阅读材料176

习题176

上机练习177

本章参考文献177

第9章 聚类方法180

9.1简介180

9.2聚类方法的重要性188

9.3分级聚类方法193

9.4划分聚类方法199

9.5大规模数据集合的聚类方法202

问题讨论207

延伸阅读材料208

习题208

上机练习210

本章参考文献210

第10章 本书总结213

第11章 应用实例：手写数字识别215

11.1数字数据的描述215

11.2数据预处理217

11.3分类算法217

11.4典型模式的选择217

11.5识别结果218

问题讨论221

延伸阅读材料222

本章参考文献222

名词索引223