[
-
内容大纲
本书主要介绍模式识别的基础知识、基本方法、原理实现和典型工程应用。全书共10章。第1章介绍模式识别的基础知识；第2章介绍贝叶斯决策理论；第3章介绍概率密度函数的参数估计；第4章介绍非参数判别分类方法；第5章介绍聚类分析；第6章介绍特征提取与选择；第7章介绍模糊模式识别；第8章介绍神经网络在模式识别中的应用；第9章介绍典型深度学习模型及应用；第10章介绍模式识别的工程应用。每章的内容安排从问题背景引入，系统讲述基本原理、方法和实践应用（通过Python软件编程）。本书内容传统与前沿结合，理论与实践并重，做到基本理论、实际编程与工程应用的统一。本书已入选“武汉理工大学本科教材建设专项基金项目”
本书可作为高等院校电子信息类、计算机类、自动化类等相关专业本科生的教材，以及信息与通信工程、控制科学与工程、计算机科学与技术等专业研究生的教材；也可作为从事人工智能相关研究与开发的工程技术人员的参考书。 -
作者介绍
郭志强 武汉理工大学信息工程学院教授，电子信息工程国家级一流本科专业建设点负责人，“模式识别”全国工程类专业学位研究生在线开放课程负责人，“数字信号处理”湖北省一流本科课程负责人，“数字图像处理”国家级线上一流本科课程主要成员。主要研究方向为智能信号处理、图像处理与模式识别、数据挖掘与机器学习。编著普通高等教育“十一五”国家级规划教材1部，主编、参编教材8部。近年来先后主持或参与包括国家自然科学基金、湖北省自然科学基金、教育部留学回国人员科研启动基金、湖北省科技计划项目、武汉市重点研发计划项目等10余项科研项目。获湖北省教学成果奖一等奖2项、二等奖1项。在国内外重要学术期刊和国际学术会议上发表论文80余篇，其中SCI、EI收录论文40余篇，授权发明专利4项。 -
目录
第1章 绪论
1.1 模式识别的基本概念
1.1.1 生物的识别能力
1.1.2 模式识别的概念
1.1.3 模式识别的特点
1.1.4 模式的描述方法及特征空间
1.2 模式识别系统的组成和主要方法
1.2.1 模式识别系统的组成
1.2.2 模式识别的方法
1.3 模式识别的应用举例
1.3.1 文字识别
1.3.2 语音识别
1.3.3 指纹识别
1.3.4 遥感图像识别
1.3.5 医学诊断
1.3.6 无损检测
1.4 全书结构内容
第2章 贝叶斯决策理论
微课视频39分钟
2.1 几个重要的概念
2.2 几种常用的决策规则
2.2.1 基于最小错误率的贝叶斯决策
2.2.2 最小风险判别规则
2.2.3 最大似然比判别规则
2.2.4 Neyman-Pearson判别规则
2.3 正态分布中的贝叶斯分类方法
2.4 Python程序实现
习题及思考题
第3章 概率密度函数的参数估计
微课视频8分钟
3.1 概率密度函数估计概述
3.2 最大似然估计
3.3 贝叶斯估计与贝叶斯学习
3.4 非参数估计
3.4.1 非参数估计的基本方法
3.4.2 Parzen窗法
3.4.3 kN-近邻估计法
3.5 Python示例
习题及思考题
第4章 非参数判别分类方法
微课视频71分钟
4.1 线性分类器
4.1.1 线性判别函数的基本概念
4.1.2 多类问题中的线性判别函数
4.1.3 广义线性判别函数
4.1.4 线性分类器的主要特性及设计步骤
4.1.5 感知器算法
4.1.6 Fisher线性判别函数
4.2 非线性判别函数
4.2.1 非线性判别函数与分段线性判别函数
4.2.2 基于距离的分段线性判别函数
4.3 支持向量机
4.3.1 线性可分情况
4.3.2 线性不可分情况
4.4 Python示例
习题及思考题
第5章 聚类分析
微课视频53分钟
5.1 模式相似性测度
5.1.1 距离测度
5.1.2 相似测度
5.1.3 匹配测度
5.2 类间距离测度方法
5.2.1 最短距离法
5.2.2 最长距离法
5.2.3 中间距离法
5.2.4 重心法
5.2.5 平均距离法(类平均距离法)
5.3 聚类准则函数
5.3.1 误差平方和准则
5.3.2 加权平均平方距离和准则
5.3.3 类间距离和准则
5.3.4 离散度矩阵
5.4 基于距离阈值的聚类算法
5.4.1 最近邻规则的聚类算法
5.4.2 最大最小距离聚类算法
5.5 动态聚类算法
5.5.1 C均值聚类算法
5.5.2 ISODATA聚类算法
5.6 Python示例
习题及思考题
第6章 特征提取与选择
微课视频39分钟
6.1 类别可分性判据
6.2 基于距离的可分性判据
6.3 按概率距离判据的特征提取方法
6.4 基于熵函数的可分性判据
6.5 基于Karhunen-Loeve变换的特征提取
6.5.1 Karhunen-Loeve变换
6.5.2 使用Karhunen-Loeve变换进行特征提取
6.6 特征选择
6.6.1 次优搜索法
6.6.2 最优搜索法
6.7 Python示例
习题及思考题
第7章 模糊模式识别
微课视频44分钟
7.1 模糊数学的基础知识
7.1.1 集合及其特征函数
7.1.2 模糊集合
7.1.3 模糊集合的λ水平截集
7.1.4 模糊关系及模糊矩阵
7.2 模糊模式识别方法
7.2.1 最大隶属度识别法
7.2.2 择近原则识别法
7.2.3 基于模糊等价关系的聚类方法
7.2.4 模糊C均值聚类
7.3 Python示例
习题及思考题
第8章 神经网络在模式识别中的应用
微课视频106分钟
8.1 人工神经网络的基础知识
8.1.1 人工神经网络的发展历史
8.1.2 生物神经元
8.1.3 人工神经元
8.1.4 人工神经网络的特点
8.2 前馈神经网络
8.2.1 感知器
8.2.2 多层感知器
8.3 自组织特征映射网络
8.3.1 自组织神经网络结构
8.3.2 自组织神经网络的识别过程
8.3.3 自组织神经网络的学习过程
8.4 径向基函数(RBF)神经网络
8.4.1 RBF神经网络结构
8.4.2 径向基函数
8.4.3 RBF神经网络的学习过程
8.5 Python示例
习题及思考题
第9章 典型深度学习模型及应用
9.1 深度学习
9.1.1 深度学习介绍
9.1.2 受限玻尔兹曼机
9.1.3 深度置信网络
9.1.4 卷积神经网络
9.2 R-CNN系列原理及方法
9.2.1 R-CNN原理及方法
9.2.2 Fast R-CNN原理及方法
9.3 LSTM模型
9.4 Transformer模型
9.4.1 编码器结构
9.4.2 解码器结构
9.5 深度学习应用实例
习题及思考题
第10章 模式识别的工程应用
微课视频68分钟
10.1 基于朴素贝叶斯的中文文本分类
10.1.1 文本分类原理
10.1.2 文本特征提取
10.1.3 朴素贝叶斯分类器设计
10.1.4 测试文本分类
10.2 基于PCA和SVM的人脸识别
10.2.1 人脸图像获取
10.2.2 人脸图像预处理
10.2.3 人脸图像特征提取
10.2.4 SVM分类器的设计和分类
10.3 基于ResNet的图像分类
10.3.1 ResNet10与Cifar10
10.3.2 ResNet10的训练
参考文献
同类热销排行榜
- 目送/人生三书
-
21世纪的《背影》 + 感人至深的“生死笔记”+ 龙应台亲手摄影 + 跨三代共读的人生之书！
华人世界率性犀利的一枝笔，龙应台独家...
- 顾城的诗(金版)(精)/蓝星诗库
- 人类群星闪耀时(插图本)/译林名著精选
- 牛津高阶英汉双解词典(附光盘第8版)(精)
- 文化苦旅(新版)
- 摆渡人
- 解忧杂货店(精)
- 骆驼祥子
- 曾国藩(又笨又慢平天下)
- 查令十字街84号(珍藏版)(精)
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...