[Официальное подлинное] Признание модели Zhang Xuegong Mode распознавание режима третьего издания модели модели Tsinghua University Wars
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Основная информация
Название: распознавание модели (третье издание) (недавно скомпилированная серия учебников «Информация, управление и систему)
Первоначальная цена: 35,00 юань
Автор: Zhang Xuegong отредактировано
Издательство: Университет Цинхуа
Дата публикации: 2010-8-1
ISBN: 9787302225003
Слова: 370000
Номер страницы: 237
Издание: 3
Рамка
Открыто: 16
Товарный логотип:
Выбор редактора
Профессор Чжан Сюэгонг в течение длительного времени занимался учебными и научными исследованиями курсов по признанию моделей, и достиг отличных результатов и накопил богатый опыт.Он также является автором первого китайского введения и перевода теории статистического обучения Вапника.Новая версия «распознавания модели» более утончена, и договоренности больше соответствуют законам обучения студентов. Из трех внутренних соединений дополнительно понимайте важность наборов образцов обучения для систем распознавания режима проектирования, имеет хорошее руководящее значение для определения соответствующих методов в практических приложениях в будущем.
Оглавление
Глава 1 Введение
1.1 Распознавание режима и режима
1.2 Основной метод распознавания режима
1.3 Распознавание режима надзора и распознавание режима не -супервизии
1.4 Система распознавания режима, например,
Типичный состав системы распознавания 1,5
1.6 Основное содержание этой книги
Глава 2 Статистика -метод принятия решения
2.1 Введение: простой пример
2.2 Минимальное количество ошибок в байесовском решении решения
2.3 Минимальный риск байесовского решения
2.4 Два типа частоты ошибок, решение Neymanpearson и кривая ROC
2.5 Статистические решения при нормальном распределении
2.5.1.
2.5.2 Минимальная частота ошибок в соответствии с нормальной вероятностью распределения модель байесовского решения Глава 1 Введение
1.1 Распознавание режима и режима
1.2 Основной метод распознавания режима
1.3 Распознавание режима надзора и распознавание режима не -супервизии
1.4 Система распознавания режима, например,
Типичный состав системы распознавания 1,5
1.6 Основное содержание этой книги
Глава 2 Статистика -метод принятия решения
2.1 Введение: простой пример
2.2 Минимальное количество ошибок в байесовском решении решения
2.3 Минимальный риск байесовского решения
2.4 Два типа частоты ошибок, решение Neymanpearson и кривая ROC
2.5 Статистические решения при нормальном распределении
2.5.1.
2.5.2 Минимальная частота ошибок в рамках нормальной модели вероятности распределения байесовское решение
2.6 Расчет частоты ошибок
2.6.1 Расчет частоты ошибок нормального распределения и различных совместных дифференциальных матриц равен.
2.6.2 Оценка частоты ошибок при высоких независимых случайных переменных.
2.7 Пример статистического принятия решения в соответствии с дискретной моделью вероятности
2.8 Резюме и обсуждение
Глава 3 Оценка вероятности зубной функции
3.1 Введение
3.2 максимальная оценка аналогичной
3.2.1 Основные принципы максимальной оценки
3.2.2 Самая большая оценка максимальной оценки аналогичной
3.2.3 Максимальная оценка нормального распределения
3.3 Байесовские оценки, чтобы узнать с байесовским
3.3.1 Байесовская оценка
3.3.2 Байесовское обучение
3.3.3 Оценка байеса во время нормального распределения
3.3.4 Другие ситуации распределения
3.4 Непараметтраный метод оценки плотности вероятности
3.4.1 Основной принцип непараметровой оценки и пути гистограммы
3.4.2kn рядом смежного метода оценки
3.4.3 Parzen Window Метод
3.5 Обсуждение
Глава 4 Линейный классификатор
4.1 Введение
4.2 Основная концепция функции линейного суждения
4.3 Рыбка Анализ линейного суждения
4.4 Восприятие
4.5 Минимальное решение об ошибке квадрата
4.6 Оптимальная классификация Ultra -Flat Plant и Linear Support Vector Machine
4.6.1 Оптимальная классификация Ultra -Plane
4.6.2 Отличный интервал и возможности продвижения
4.6.3 Линейный не может быть разделен на ситуацию
4.7 Multi -Category Linear Classifier
4.7.1 Комбинация нескольких классификаторов
4.7.2 Функция линейного суждения много -категории
4.8 Резюме и обсуждение
Глава 5 не -линейный классификатор
5.1 Введение
5.2 Функция линейного суждения субсидирования
5.2.1 Классификатор сегментарного линейного расстояния
5.2.2 Общая сегментарная функция линейного суждения
5.3 Функция вторичного суждения
5.4 Нейронная сеть многослойного восприятия
5.4.1 Нейроны и восприятие
5.4.2 Используйте несколько датчиков для достижения нелинейной классификации
5.4.3 Многослойное восприятие алгоритма обратной связи
5.4.4 Multi -Layer Reception Network для распознавания режима
5.4.5 Выбор структуры нейронной сети
5.4.6 Связь между питанием нейронной сети и методом традиционного распознавания режима
5.4.7 Общее знание искусственной нейронной сети
5.5 Служба векторной машины
5.5.1.
5.5.2.
5.5.3. Например, поддержка применения векторных машин
5.5.4. Поддержите алгоритм реализации векторной машины
5.5.5 Multi -тип поддержки векторной машины
5.5.6.
5.6 Атомная функциональная машина
5.6.1.
5.6.2 Суждение ядерного рыбака
5.7 Резюме и обсуждение
Глава 6 Другие методы классификации
6.1 Рядом с соседним методом
6.1.1 Недавний соседний метод
6.1.2K-новой соседний метод
6.1.3 Быстрый алгоритм соседнего метода
6.1.4 Редактирование возле соседнего метода
6.1.5 Сжатие рядом с соседним методом
6.2 Дерево решений и случайный лес
6.2.1 Не -кредитные особенности
6.2.2 Дерево решений
6.2.3.
6.2.4 Случайный лес
6.3 Роджерс возвращается
6.4boosting Метод
6.5 Обсуждение
Глава 7 Специальный выбор
7.1 Введение
7.2 Рекомендации по оценке для функций
7.2.1 На основании расщелины класса в классе в классе
7.2.2 На основе разделения распределения вероятностей
7.2.3 Завершение на основе оценки на основе энтропии
7.2.4 Используйте статистическую проверку в качестве основы для разделения
7.3 Оптимальный алгоритм для выбора функций
7.4 Выбор функции подзалгоритма
7.5 Генетический алгоритм выбора функций
7.6 Метод выбора функций производительности классификации в качестве стандарта
7.7 Обсуждение
Глава 8 Специальная экспедиционная добыча
8.1 Введение
8.2 Извлечение функций, основанных на категориях.
8.3 Метод анализа основного композиции
8.4KarhunenLoèVE трансформация
8.4.1k-l Основной принцип трансформации
8.4.2 преобразование K-L, используемое для контроля над распознаванием режима
Например
8.6 Низкомурезовое отображение высоких данных
8.7 Многомерный стандарт
8.7.1mds Основная концепция
8.7.2 Классический метод масштаба
8.7.3 Измерение MDS
8.7.4 не -мер MDS
8.7.5MDS применение в распознавании режима
8.8 Профиль метода нелинейного преобразования
8.8.1 Анализ ядерной основной композиции (KPCA)
8.8.2somap Метод и метод LLE
8.9 Обсуждение
Глава 9 Распознавание режима не -супервизии
9.1 Введение
9.2 Метод на основе модели
9.3 Оценка гибридной модели
9.3.1 Не -Supervision
9.3.2 Параметры неэниторирования при нормальной оценке распределения
9.4 Алгоритм динамического кластера
9.4.1C Средний алгоритм
9.4.2зодата Метод
9.4.3 Динамический алгоритм кластера на основе сходства образца и ядра
9.5 метод расплывчатой кластеризации
9.5.1 Основные знания нечеткого набора
9.5.2 Смутный Средний Алгоритм C
9.5.3 Улучшенный алгоритм среднего алгоритма нечеткого C
9.6 Метод кластеризации классов
9.7 Самоорганизационная картирующая нейронная сеть
9.7.1 Структура сети
9.7.2 Алгоритм обучения и самоорганизованные характеристики
9.7.3som для распознавания режима
9.8 Обсуждение
Глава 10 Оценка системы распознавания режима
10.1 Элементарная оценка метода распознавания режима надзора
10.1.1 Уровень ошибок обучения
10.1.2 Коэффициент ошибок тестирования
10.1.3 Перекрестная проверка
10.1.4 Метод самоотдачи и оценка 0,632
10.2 Оценка интервала частоты ошибок в ограниченных образцах
10.2.1 Предложение по вопросу
10.2.2 Используйте нарушение для повторной дискретизации, чтобы оценить диапазон доверия частоты ошибок SVM
10.3 Влияние извлечения и выбора признаков на оценку производительности классификатора
10.4 Связь между значительным выводом классификации и категорией
10.5 Оценка эффективности производительности системы распознавания режима не -супервизии
10.6 Обсуждение
индекс
Рекомендации
об авторе
Чжан Сюэгонг
В 1994 году он был докторской степенью в области инженерии в идентификации модели и интеллектуальной системы Университета Цинхуа.В основном он занимается теоретическими, методами и применением и биологической информацией машинного обучения.
Краткое содержание
Эта книга является национальным курсом бутика на факультете автоматизации Университета Цинхуа“Основы распознавания модели”Учебники переписаны в первом и втором выпуске «распознавания модели».В этом учебнике систематически обсуждаются основные понятия и репрезентативные методы распознавания режимов, включая оценку теории принятия решений Байесом, функции плотности вероятности, функции линейного суждения, нелинейной функции суждения, ближнего метода, выбора признаков и извлечения плотности вероятности Функция в идентификации режима надзора 的 方法 以及 非 监督 模式 识别 中 的 基于 的 方法 、 混合 密度 估计 动态 聚类 方法 、 分级 聚类 等 ， 在 在 相应 包括 了 人工 网络 、 向量 ， 在 相应 章节 人工 神经 、 支持 向量 ， 相应 章节 了 人工 、 、机 、 决策树 与 随机 森林 、 、 、 、 、 、 、 rogerst returns, методы повышения, нечеткое распознавание режимов и другие новые области распознавания режима входа.Общее расположение содержания стремится быть системным и практичным, и охватывает границу текущего исследования.
Эта книга может быть использована в качестве учебника для выявления старших студентов и признания модели обучения выпускников, таких как автоматизация, компьютер и другие связанные с ним специалисты в колледжах и университетах.