登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2024年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 走出内心的深渊：快节奏人群心理疾病与健康指南（原书第3版） 》 售價：NT$ 352.0 《 如何成为一家千亿公司 》 售價：NT$ 347.0 《 趋势跟踪： 汤姆·巴索的交易谋略 》 售價：NT$ 352.0 《 滚滚红尘（《滚滚红尘》电影原著） 》 售價：NT$ 250.0 《 罗马之变（法语直译，再现罗马共和国走向罗马帝国的辉煌历史） 》 售價：NT$ 500.0 《 自然之争：1600年以来苏格兰和英格兰北部地区的环境史（新史学译丛） 》 售價：NT$ 485.0 《 硝烟下的博弈：工业革命与中西方战争 》 售價：NT$ 398.0 《 让内的理性主义 发现无意识之旅 》 售價：NT$ 301.0

編輯推薦： 本书是模式识别领域的经典教材，被卡内基·梅隆大学、哈佛大学、斯坦福大学、剑桥大学等多所学校选作教材，主要面向人工智能、计算机科学、电子工程、自动化、数学与统计学等领域的高年级本科生和研究生以及科技人员。 內容簡介： 本书的第1版《模式分类与场景分析》出版于1973年，是模式识别和场景分析领域奠基性的经典名著。在第2版中，除了保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，读者将会发现新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。作者还为未来25年的模式识别的发展指明了方向。书中包含许多实例，各种不同方法的对比，丰富的图表，以及大量的课后习题和计算机练习。本书作为流行和经典的教材，主要面向电子工程、计算机科学、数学和统计学、媒体处理、模式识别、计算机视觉、人工智能和认知科学等领域的研究生和高年级本科生，也可作为相关领域科技人员的重要参考书。 關於作者： 理查德·O. 杜达（Richard O.Duda） 圣何塞州立大学电气工程系荣休教授，以其在声音 定位和模式识别方面的工作而闻名。美国人工智能学会会士、IEEE 会士。拥有麻省理工学院博 士学位。 皮特·E. 哈特（Peter E. Hart） 加州理光发明（Ricoh Innovations）公司创始人、总裁，在此之前曾任理光加州研究中心高级副总裁。美国人工智能学会会士、IEEE 会士，曾获 IEEE信息论协会 50 周年论文奖。 大卫·G. 斯托克（David G. Stork） 加州理光发明公司首席科学家，斯坦福大学电气工程 与计算机科学系客座教授。国际模式识别学会会士、IEEE 会士。拥有马里兰大学博士学位。 目錄： 目录 Pattern Classification， Second Edition 译者序 前言 第1章绪论 1.1 机器感知 1.2 一个例子 1.3 模式识别系统 1.3.1 传感器 1.3.2 分割和组织 1.3.3 特征提取 1.3.4 分类器 1.3.5 后处理 1.4 设计循环 1.4.1 数据采集 1.4.2 特征选择 1.4.3 模型选择 1.4.4 训练 1.4.5 评价 1.4.6 计算复杂度 1.5 学习和适应 1.5.1 有监督学习 1.5.2 无监督学习 1.5.3 强化学习 本章小结 全书各章概要 文献和历史评述 参考文献 第2章贝叶斯决策论 2.1 引言 2.2 贝叶斯决策论——连续特征 2.3 最小误差率分类 2.3.1 极小化极大准则 2.3.2 NeymanPearson准则 2.4 分类器、判别函数及判定面 2.4.1 多类情况 2.4.2 两类情况 2.5 正态密度 2.5.1 单变量密度函数 2.5.2 多元密度函数 2.6 正态分布的判别函数 2.6.1 情况1： Σi=σ2I 2.6.2 情况2： Σi=Σ 2.6.3 情况3：Σi＝任意 2.7 误差概率和误差积分 2.8 正态密度的误差上界 2.8.1 Chernoff界 2.8.2 Bhattacharyya界 2.8.3 信号检测理论和操作特性 2.9 贝叶斯决策论——离散特征 2.9.1 独立的二值特征 2.10 丢失特征和噪声特征 2.10.1 丢失特征 2.10.2 噪声特征 2.11 贝叶斯置信网 2.12 复合贝叶斯决策论及 上下文 本章小结 文献和历史评述 习题 上机练习 参考文献 第3章最大似然估计和贝叶斯 参数估计 3.1 引言 3.2 最大似然估计 3.2.1 基本原理 3.2.2 高斯情况：μ未知 3.2.3 高斯情况：μ和Σ均未知 3.2.4 估计的偏差 3.3 贝叶斯估计 3.3.1 类条件密度 3.3.2 参数的分布 3.4 贝叶斯参数估计：高斯情况 3.4.1 单变量情况：p(μ｜ ) 3.4.2 单变量情况：p(x｜) 3.4.3 多变量情况 3.5 贝叶斯参数估计：一般理论 3.5.1 最大似然方法和贝叶斯方法何时有 区别 3.5.2 无信息先验和不变性 3.5.3 Gibbs算法 3.6 充分统计量 3.7 维数问题 3.7.1 精度、维数和训练集的大小 3.7.2 计算复杂度 3.7.3 过拟合 3.8 成分分析和判别函数 3.8.1 主成分分析 3.8.2 Fisher线性判别分析 3.8.3 多重判别分析 3.9 期望最大化算法 3.10 隐马尔可夫模型 3.10.1 一阶马尔可夫模型 3.10.2 一阶隐马尔可夫模型 3.10.3 隐马尔可夫模型的计算 3.10.4 估值问题 3.10.5 解码问题 3.10.6 学习问题 本章小结 文献和历史评述 习题 上机练习 参考文献 第4章非参数技术 4.1 引言 4.2 概率密度的估计 4.3 Parzen窗方法 4.3.1 均值的收敛性 4.3.2 方差的收敛性 4.3.3 举例说明 4.3.4 分类的例子 4.3.5 概率神经网络 4.3.6 窗函数的选取 4.4 n近邻估计 4.4.1 n近邻估计和Parzen 窗估计 4.4.2 后验概率的估计 4.5 最近邻规则 4.5.1 最近邻规则的收敛性 4.5.2 最近邻规则的误差率 4.5.3 误差界 4.5.4近邻规则 4.5.5近邻规则的计算复杂度 4.6 距离度量和最近邻分类 4.6.1 度量的性质 4.6.2 切空间距离 4.7 模糊分类 4.8 RCE网络 4.9 级数展开逼近 本章小结 文献和历史评述 习题 上机练习 参考文献 第5章线性判别函数 5.1 引言 5.2 线性判别函数和判定面 5.2.1 两类情况 5.2.2 多类的情况 5.3 广 內容試閱： 前言 Pattern Classification， Second Edition 本书第1版《模式分类与场景分析》（Pattern Classification and Scene Analysis ）于1 973年问世，在逾越四分之一世纪以后我们写了第2版。写作的初衷依然不变，即 尽 可能对模式识别中的各个重要课题，尤其是对基本原理进行系统性介绍。我们相信这会 为相当多有待解决的专门问题，诸如语音识别、光学字符识别或信号分类等，提供必需的基 础。本书第1版的许多读者经常问我们为什么要把“模式分类”与“场景分析”结合在一本 书里写。当时，我们所能做的回答是，分类理论的确是模式识别学科中最重要的与领域无 关的 （domainindependent）理论，而场景分析是那个年代仅有的并且重要的应用领域。 况 且，根据1973年的研究水平，完全有可能把两个内容集中在一本书中阐述清楚而不显肤浅。 在随后的这些年中，模式识别的理论和应用领域已经迅速扩展，使得上述观点再也站不住脚 。因为必须要做出选择，所以我们决定在本版中只介绍分类理论，而把有关应用的课题留给 其他专门书籍来解决。自1973年以来，对第1版提出的许多问题开展了大量的研究，并且 取得了长足的进步。仅仅是计算机硬件的发展已经大大超过了学习算法和模式识别的步伐。 第1版提出的一些突出问题目前已获圆满解决，然而另外一些却依然让人灰心。模式识别 系统所显现的重大作用，使该领域的研究方兴未艾，并且激动人心。 当我们撰写本书第1版时，模式识别还只是相当专门的学科，但从其目前丰富的应用领域 来看，它已变得十分博大。这些应用包括：笔迹和手势的识别、唇语技术、地学分析、文件 检索以及气泡室中的亚原子轨迹判读。它为大量人机界面问题提供核心算法，比如笔输入 计算。第2版的篇幅正说明了其现有理论的广博。虽然我们预计本书的绝大多数读者都对 开发 新的模式识别系统感兴趣，但也不排除有少部分人专注于深刻理解现有的模式识别系统。这 当中最显著的莫过于人类和动物的神经认知系统。虽然研究模式识别的生物学起源已明显超 出本书的范围，但是，由于对自然界中的模式识别能力感兴趣的神经生物学家和心理学家也 越来越多地依赖于先进的数学和理论的帮助，因此这部分专家也必将从本书中获益。 尽管已有很多优秀的书籍集中讨论了某一部分技术，我们仍然强烈地感觉需要像本书这样采取 某种 不同的讨论方法。也就是说，本书并非集中在某些专门技术（如神经网络）上，相反，我们 对一类特定的问题——模式识别——开展研究。本书讨论了多种可行的技术。学生和 实践者常常需要知道某种技术是否适用于他们的特定需求或者开发目标，许多专门研究神经 网络的书籍未必会讨论其他技术（诸如判定树、最近邻方法或者其他分类器）以提供比较 和选择不同方案的依据。为了避免出现这种问题，我们将在本书中对比讨论各种分类技术， 并讨论各自的优势和缺点。 所有这些发展要求改写本书的第1版，以获得一个统一的更新的版本。这一版我们不仅丰富了内容，并且在以下几方面进行了改进。 新的材料书中包含很多最近才发展起来并被实践证明有 用的模 式识别的新技术 ，比如神经网络、随机方法以及有关机器学习理论的问题，等等。虽然本书仍然以统计技术 为主，但是为了保持完整性，我们也加进了句法（结构）模式识别的内容，以及许多“经 典”的技术，如隐马尔可夫模型（HMM）、模型选择机制、组合分类器等。 丰富的例题本书包含许多例题，这些例题通常使用很简单的数 据，避免冗长单调的计算 ，但是又足够复杂，使得能够清楚地解释关键知识点。例题的作用在于增强直观认识，并帮助 学生解答课后习题。 算法列表凭借算法可以最清楚地解释所讲述的模式识别技术。本书 提供了很多算法 。算法只是相应的完整计算机程序的一个基本骨架。我们假定每位读者都熟悉算法采用的 伪码形式，或者可以通过上下文来理解。 加星号的节有些节加了星号，表明有些专门化，通常是一些补充材 料，但它们一般不影响对 后续不带星号的节的理解，所以在初次阅读时可以跳过。 上机练习这些练习并不限制采用哪种计算机语言或系统，学生可以 根据情况选择适合自己的语 言或系统。 习题增加了一些课后习题，并按提出问题的章节组织。本书 的习题另有答案手册，可 供教师选用关于本书教辅资源，只有使用本书作为教材的教师才可以申请，需要的教师可向约翰·威立出版公司北京代表处申请，电话01084187869，电子邮件ayang@wileycom。——编辑注 。 每章小结每章小结含有该章中出现的重要概念和知识点。 增强的图表 为了更好地展示概念，我们花了很大的力气来增强本书中的图表，以解释正文中的要点。部分图表经过了大量精心的计

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.