- 模式识别(数据质量视角)/智能科学与技术丛书
- - 作者：(波)伍拉迪斯罗·霍曼达//(加)维托德·派提兹|责编:张志铭|译者:张轶
  - 出版社：机械工业
  - ISBN：9787111646754
  - 出版日期：2020/04/01
  - 页数：232
- 售价：31.6

内容大纲
本书分为两大部分：“基础知识”和“高级主题：粒度计算框架”。第一部分探讨带拒绝的模式识别问题的原理，涉及特征空间构成、基本分类器设计，以及关于带拒绝的模式识别问题的实例研究、任务评估、架构评估等。第二部分集中讨论信息粒和信息粒度的概念，涉及信息粒基础知识、信息粒设计和聚类，以及数据质量的量化和处理等。
本书适合作为高等院校计算机、电子信息、自动化等专业高年级本科生和研究生的教材，也可供信息处理、机器人学、地球物理、生物信息等交叉领域的专业人员参考。
作者介绍
目录
译者序
前言
第一部分  基础知识
  第1章  模式识别：特征空间的构建
    1.1  概念
    1.2  从样本到特征
      1.2.1  向量型特征
      1.2.2  特征变换：从向量型到向量型
      1.2.3  特征变换：从向量型到数值型
      1.2.4  数值型特征
    1.3  特征尺度化
      1.3.1  特征归一化
      1.3.2  标准化
      1.3.3  特征尺度的经验评价
    1.4  特征评估和选择
      1.4.1  相关性
      1.4.2  特征评估：两种方法
      1.4.3  基于指数的特征评估：单特征与特征集
      1.4.4  特征评估指数
      1.4.5  基于指数的方法和基于包装的方法
      1.4.6  使用指数和分类器的单特征评估方案
      1.4.7  特征子集的选择
      1.4.8  特征子集的生成
    1.5  结论
    附录1.A
    附录1.B
    参考文献
  第2章  模式识别：分类器
    2.1  概念
    2.2  最近邻分类方法
    2.3  支持向量机分类算法
      2.3.1  线性可分类的线性划分
      2.3.2  线性不可分类的线性划分
      2.3.3  线性不可分类的非线性划分
    2.4  分类问题中的决策树
      2.4.1  决策树一览
      2.4.2  特征分解
      2.4.3  度量类的差异性
      2.4.4  选择一个分解特征
      2.4.5  限制树的结构
    2.5  集成分类器
      2.5.1  袋装
      2.5.2  提升
      2.5.3  随机森林
    2.6  贝叶斯分类器
      2.6.1  应用贝叶斯理论
  ……
第二部分  高级主题：粒度计算框架

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目