现代模式识别(第二版)

来源：互联网   发布日期：2011-10-01 20:14:56   浏览：19316次  

第一章 绪论1.1 概述1.2 特征矢量和特征空间1.3 随机矢量的描述1.4 正态分布参考文献第二章 聚类分析2.1 聚类分析的概念2.2 模式相似性测度2.3 类的定义与类间距离2.4 准则函数2.5 聚类的算法文献简评应用简介习题上机练习参考文献第三章 判别域代数界面方程法3.1 用判别域界面方程分类的概念3.2 线性判别函数3.3 判别函数值的鉴别意义、权空间及解空间3.4 Fisher线性判别3.5 线性可分条件下判别函数的权矢量算法3.6 一般情况下的判别函数权矢量算法3.7 线性规划方法3.8 线性二分能力3.9 广义线性判别函数3.10 二次判别函数3.11 分段线性判别函数3.12 位势函数分类法3.13 支持矢量机简介3.14 最小最大概率机文献简评应用简介习题上机练习参考文献第四章 统计判决4.1 最小误判概率准则判决4.2 最小损失准则判决4.3 最小最大损失准则4.4 N-P(Neyman-Pearson)判决4.5 序贯判决(SPRD)4.6 Fisher准则判决4.7 特征数据缺损或被噪声污染下的Bayes判决4.8 批对象的复合判决文献简评应用简介习题上机练习参考文献第五章 统计决策中的学习与错误率估计5.1 统计推断概述5.2 参数估计5.3 Bayes学习5.4 概密的窗函数估计法5.5 有限项正交函数级数逼近法5.6 用位势函数法逼近Bayes判决函数5.7 随机逼近方法求类的后验概率5.8 统计决策准则下线性判决函数的训练生成5.9 错误率估计5.10 基于平均损失估计的学习及最小误判概率的估计5.11 无监督估计(盲估计)5.12 期望最大化算法5.13 集成学习文献简评应用简介习题上机练习参考文献第六章 最近邻法6.1 基本的最近邻法6.2 剪辑最近邻法6.3 引入拒绝决策的最近邻法6.4 最近邻法中的最佳距离及其实际计算文献简评应用简介习题参考文献第七章 特征提取与选择7.1 概述7.2 类别可分性判据7.3 基于可分性判据进行变换的特征提取与选择7.4 最佳鉴别矢量的提取7.5 离散K-L变换及其在特征提取与选择中的应用7.6 独立成分分析7.7 基于决策界的特征提取7.8 特征选择中的直接挑选法7.9 多维尺度分析文献简评应用简介习题参考文献第八章 模糊模

赞助本站