內(nèi)容簡介
本書全面闡述了模式識別的基礎(chǔ)理論、最新方法以及各種應(yīng)用。討論了貝葉斯分類、貝葉斯網(wǎng)絡(luò)、線性和非線性分類器設(shè)計、特征生成、特征選取技術(shù)、學(xué)習(xí)理論的基本概念以及聚類概念與算法。與前一版相比，增加了大數(shù)據(jù)集和高維數(shù)據(jù)相關(guān)的最新算法，提供了最新的分類器和魯棒回歸的核方法。新增一些熱點問題，如非線性降維、非負(fù)矩陣因數(shù)分解、關(guān)聯(lián)性反饋、魯棒回歸、半監(jiān)督學(xué)習(xí)、譜聚類和聚類組合技術(shù)。每章均提供有習(xí)題與練習(xí)，用MATLAB求解問題，給出一些例題的多種求解方法；且支持網(wǎng)站上提供有習(xí)題解答，以便于讀者增加實際經(jīng)驗。
圖書目錄
目 錄
第1章 導(dǎo)論 1
1.1 模式識別的重要性 1
1.2 特征、特征向量和分類器 3
1.3 有監(jiān)督、無監(jiān)督和半監(jiān)督學(xué)習(xí) 4
1.4 MATLAB程序 6
1.5 本書的內(nèi)容安排 6
第2章 基于貝葉斯決策理論的分類器 8
2.1 引言 8
2.2 貝葉斯決策理論 8
2.3 判別函數(shù)和決策面 12
2.4 正態(tài)分布的貝葉斯分類 13
2.5 未知概率密度函數(shù)的估計 23
2.6 最近鄰規(guī)則 42
2.7 貝葉斯網(wǎng)絡(luò) 44
習(xí)題 49
MATLAB編程和練習(xí) 55
參考文獻(xiàn) 60
第3章 線性分類器 63
3.1 引言 63
3.2 線性判別函數(shù)和決策超平面 63
3.3 感知器算法 64
3.4 最小二乘法 70
3.5 均方估計的回顧 75
3.6 邏輯識別 80
3.7 支持向量機 81
習(xí)題 97
MATLAB編程和練習(xí) 99
參考文獻(xiàn) 100
第4章 非線性分類器 104
4.1 引言 104
4.2 異或問題 104
4.3 兩層感知器 105
4.4 三層感知器 108
4.5 基于訓(xùn)練集準(zhǔn)確分類的算法 109
4.6 反向傳播算法 110
4.7 反向傳播算法的改進(jìn) 115
4.8 代價函數(shù)選擇 117
4.9 神經(jīng)網(wǎng)絡(luò)大小的選擇 119
4.10 仿真實例 123
4.11 具有權(quán)值共享的網(wǎng)絡(luò) 124
4.12 線性分類器的推廣 125
4.13 線性二分法中l(wèi)維空間的容量 126
4.14 多項式分類器 127
4.15 徑向基函數(shù)網(wǎng)絡(luò) 129
4.16 通用逼近 131
4.17 概率神經(jīng)元網(wǎng)絡(luò) 132
4.18 支持向量機：非線性情況 134
4.19 超越SVM的范例 137
4.20 決策樹 146
4.21 合并分類器 150
4.22 合并分類器的增強法 155
4.23 類的不平衡問題 160
4.24 討論 161
習(xí)題 161
MATLAB編程和練習(xí) 164
參考文獻(xiàn) 168
第5章 特征選擇 178
5.1 引言 178
5.2 預(yù)處理 178
5.3 峰值現(xiàn)象 180
5.4 基于統(tǒng)計假設(shè)檢驗的特征選擇 182
5.5 接收機操作特性（ROC）曲線 187
5.6 類可分性測量 188
5.7 特征子集的選擇 193
5.8 最優(yōu)特征生成 196
5.9 神經(jīng)網(wǎng)絡(luò)和特征生成/選擇 203
5.10 推廣理論的提示 204
5.11 貝葉斯信息準(zhǔn)則 210
習(xí)題 211
MATLAB編程和練習(xí) 213
參考文獻(xiàn) 216
第6章 特征生成I：線性變換 221
6.1 引言 221
6.2 基本向量和圖像 221
6.3 Karhunen-Loève變換 223
6.4 奇異值分解 229
6.5 獨立成分分析 234
6.6 非負(fù)矩陣因子分解 239
6.7 非線性維數(shù)降低 240
6.8 離散傅里葉變換（DFT） 248
6.9 離散正弦和余弦變換 251
6.10 Hadamard變換 252
6.11 Haar變換 253
6.12 回顧Haar展開式 254
6.13 離散時間小波變換（DTWT） 257
6.14 多分辨解釋 264
6.15 小波包 265
6.16 二維推廣簡介 266
6.17 應(yīng)用 268
習(xí)題 271
MATLAB編程和練習(xí) 273
參考文獻(xiàn) 275
第7章 特征生成II 282
7.1 引言 282
7.2 區(qū)域特征 282
7.3 字符形狀和大小的特征 298
7.4 分形概述 304
7.5 語音和聲音分類的典型特征 309
習(xí)題 320
MATLAB編程和練習(xí) 322
參考文獻(xiàn) 325
第8章 模板匹配 331
8.1 引言 331
8.2 基于最優(yōu)路徑搜索技術(shù)的測度 331
8.3 基于相關(guān)的測度 342
8.4 可變形的模板模型 346
8.5 基于內(nèi)容的信息檢索：相關(guān)反饋 349
習(xí)題 352
MATLAB編程和練習(xí) 353
參考文獻(xiàn) 355
第9章 上下文相關(guān)分類 358
9.1 引言 358
9.2 貝葉斯分類器 358
9.3 馬爾可夫鏈模型 358
9.4 Viterbi算法 359
9.5 信道均衡 362
9.6 隱馬爾可夫模型 365
9.7 狀態(tài)駐留的HMM 373
9.8 用神經(jīng)網(wǎng)絡(luò)訓(xùn)練馬爾可夫模型 378
9.9 馬爾可夫隨機場的討論 379
習(xí)題 381
MATLAB編程和練習(xí) 382
參考文獻(xiàn) 384
第10章 監(jiān)督學(xué)習(xí)：尾聲 389
10.1 引言 389
10.2 誤差計算方法 389
10.3
