返回上一页 发布人:patent
我要发布信息
| 模式识别与分类 | 发布于:2014/11/02 | |
| 对于如今流行的诸多自动化电子系统而言，模式识别及其分类的发展和应用是至关重要的。模式识别及其分类的应用范围极广：从军事防御到医疗诊断，从生物测定学到机器学习，从生物信息学到家庭娱乐等等。虽然在本领域有一系列的经典书籍做了相关的阐述，但是由于内容方面大多过于专业化，让初学者们望而生畏。本书最大的特点是通俗易懂，不需要有很强的数学或者统计学专业背景，比较适合初学者学习。本书不就某一细节深入探讨，而是在了解简单的计算机和数学基本知识的基础上，着重讲述模式识别和分类在各领域里的实际应用。 本书共分10章：1.模式识别与分类的相关背景知识，介绍了分类问题近年来的热门应用；2.分类处理过程及不同的分类方法，主要内容有分类处理过程、特征提取、数据训练与学习、监督学习以及算法选择，本章包含了一些颇具代表性的分类任务实例；3.非度量方法，主要介绍了决策树分类器、基于规则的分类器、以及各分类器的优缺点比较；4.统计模式识别，主要内容有测量数据及其误差、概率统计理论、连续型随机变量；5.监督学习，主要包括参数化学习以及非参数化学习的相关理论和实例，着重介绍了参数化学习的理论与方法；6.非参数化学习，主要内容有核密度估计（Parzen窗）、K近邻分类、人工神经网络、核机器学习等；7.特征提取与选择，主要内容有降维、特征选择、特征提取；8.非监督学习，主要内容有聚类、K-均值聚类、层次聚类；9.分类器的评估与比较，内容包括分类器比较、交叉验证和重采样、分类器性能评估、ROC曲线；10.介绍了模式识别与分类在工程上的应用实例。 本书简明扼要地介绍了模式识别与分类的相关概念，以一种深入浅出的方式展开讨论，作者在各章节给出了一些具体的应用实例，使相关概念更加通俗易懂。在每个章节末尾给出了相关练习，便于读者巩固每一节学到的知识点。 本书作者Geoff Dougherty 是加州州立大学应用物理与医学影像专业的教授，在模式识别、图像处理等方向有近20年的研究经验。 本书适合从事物理、计算机科学、电子工程、生物医学、应用数学等专业的高年级本科生和一年级研究生阅读和参考。对于有志于在上述领域开展独立研究的学者与工程师们，本书也可作为参考书。 臧光明，硕士研究生 来源：国外科技新书评介 |
||
