|
|
|
|
|
|
|
|
模式识别 内容提要 |
《模式识别》作为普通高等院校计算机信息安全专业本科生的专用教材,从实用角度阐述了模式识别的基本原理、概念和技术方法。 《模式识别》共9章,第1章介绍了模式识别的基本概念;第2章阐述了贝叶斯决策理论;第3章介绍了线性与非线性判别函数;第4章介绍了近邻法则和集群的知识;第5章介绍了数据聚类的方法;第6章介绍了特征抽取和选择策略;第7章介绍了统计学习与支持向量机方法;第8章介绍了句法分析及句法结构模式识别方法;第9章进行了模式识别典型实例分析。 《模式识别》是一本注重系统性、科学性的教材,内容丰富,实用性强,可作为计算机与信息安全专业以及其他相关专业的本科教材,也可作为信息安全领域软件开发人员的技术参考书。
|
|
|
模式识别 目录 |
第1章 绪论 1.1 模式与模式识别的概念 1.2 模式识别的研究方法 1.3 模式识别的发展与应用 1.4 本书内容的安排
第2章 贝叶斯决策理论 2.1 贝叶斯决策的基本概念 2.2 几种常用的决策规则 2.3 正态分布时的统计决策 2.4 离散情况的贝叶斯决策 2.5 概率密度函数估计 2.6 分类错误率的计算 2.7 本章小结 练习题
第3章 线性与非线性判别函数 3.1 感知准则函数 3.2 最小平方误差准则与最小错分样本数准则 3.3 Fisher线性判别准则 3.4 分段线性判别函数的基本概念 3.5 二次判别函数 3.6 本章小结 练习题
第4章 近邻法则和集群 4.1 最近邻法 4.2 k近邻法及模糊k近邻分类器 4.3 关于近邻法则的讨论 4.4 改进的近邻法 4.5 集群 4.6 本章小结 练习题
第5章 数据聚类 5.1 数据聚类的三个要点 5.2 模式相似性测度及标准化 5.3 聚类的准则函数 5.4 分级聚类算法 5.5 |
| → 目录全文 |
|
|
调换货原则 |
|
|
|
|
查看评论 |
|
|
|
发布评论 |
|
|
|
|
| |
|
|
|
|