大数据丛书模式识别与分类导论/(美)杰夫.多尔蒂-网络科技-文化科教-太极之巅书单号

书刊介绍

大数据丛书模式识别与分类导论/(美)杰夫.多尔蒂内容简介

模式识别与分类的使用是当今许多自动化电子系统的基础。然而，尽管该领域已出版了许多名著，但该主题仍然很好具有挑战性，特别是对于初学者而言。《模式识别和分类》全面介绍了自动模式识别领域中所涉及到的核心概念。本书的构思适用于具有不同背景的新手，对图像、信号处理分析以及计算机视觉方面的研究人员和专业人员也很好有用。对于监督分类与非监督分类的基本概念本书以非公理化、非形式化的方式呈现出来，以便于读者能够快速地获得将基本概念应用于解决实际问题的必要背景知识。更不错的主题，如半监督分类、聚类算法与相关反馈的结合，将在本书的后半部章节中进行讨论。本书适合大学本科生和研究生的“模式识别与机器学习”教学参考书或自学指导。

大数据丛书模式识别与分类导论/(美)杰夫.多尔蒂本书特色

模式识别与分类的使用是当今许多自动化电子系统的基础。然而，尽管该领域已出版了许多名著，但该主题仍然非常具有挑战性，特别是对于初学者而言。《模式识别和分类》全面介绍了自动模式识别领域中所涉及到的核心概念。本书的构思适用于具有不同背景的新手，对图像、信号处理分析以及计算机视觉方面的研究人员和专业人员也非常有用。对于监督分类与非监督分类的基本概念本书以非公理化、非形式化的方式呈现出来，以便于读者能够快速地获得将基本概念应用于解决实际问题的必要背景知识。更高级的主题，如半监督分类、聚类算法与相关反馈的结合，将在本书的后半部章节中进行讨论。本书适合大学本科生和研究生的“模式识别与机器学习”教学参考书或自学指导。

大数据丛书模式识别与分类导论/(美)杰夫.多尔蒂目录

致谢译者序前言第1章引言1.1概述1.2分类1.3本书的组织结构1.4练习参考文献第2章分类2.1分类过程2.2特征2.3训练与学习2.4监督学习与算法选择 2.5分类方法2.6实例2.6.1按形状分类2.6.2按大小分类2.6.3更多的实例2.6.4字母的分类2.7练习参考文献第3章非度量方法3.1引言3.2决策树分类器3.2.1信息、熵、扭曲度3.2.2信息增益3.2.3决策树存在的问题3.2.4优缺点3.3基于规则的分类器3.4其他方法3.5练习参考文献第4章统计模式识别4.1测量数据与测量误差4.2概率论4.2.1简单概率论4.2.2条件概率和贝叶斯规则4.2.3朴素贝叶斯分类器4.3连续随机变量4.3.1多变量高斯分布4.3.2协方差矩阵4.3.3马氏距离4.4练习参考文献第5章监督学习5.1参数与非参数学习5.2参数学习5.2.1贝叶斯决策理论5.2.2判别函数与决策边界5.2.3MAP（*大后验）估计量5.3练习参考文献第6章非参数学习6.1直方图估计与Parzen窗口6.2kNN（k*近邻域）分类6.3人工神经网络6.4内核机6.5练习参考文献第7章特征提取及选择7.1降维7.1.1预处理7.2特征选择7.2.1类内/类间距离7.2.2子集选择7.3特征提取7.3.1主成分分析法7.3.2线性判别分析7.4练习参考文献目录模式识别与分类导论第8章非监督式学习8.1聚类8.2kMeans聚类8.2.1模糊cMeans聚类8.3（聚合）层次聚类8.4练习参考文献第9章评估和比较分类器9.1比较分类器和“没有免费午餐定理”9.1.1偏差和方差9.2交叉验证和重采样方法9.2.1Holdout方法9.2.2k重交叉验证9.2.3自助法9.3测量分类器的性能9.4比较分类器9.4.1ROC曲线9.4.2McNemar检验9.4.3其他统计检验9.4.4分类工具箱9.5组合分类器参考文献第10章项目10.1视网膜弯曲度作为疾病的指示器10.2纹理分割10.3生物特征识别系统10.3.1指纹识别10.3.2面相识别参考文献

大数据丛书模式识别与分类导论/(美)杰夫.多尔蒂作者简介

杰夫·多尔蒂（Geoff Dougherty），是美国加州州立大学“应用物理与医学成量”研究所教授，给本科生与研究生主讲图像分析、模式识别和医学成像等课程。20多年来，他一直致力于模式识别与分析在医学影像学方面的应用研究。2009年，他获得了富布赖特（Fulbright）高级奖学金，赴澳大利亚布里斯班进行访学及研究。在国际期刊上发表过大量文章，并有几本专著及教科书面世。他是IET研究员、IEEE高级会员和美国医学物理学家协会（AAPM）会员，并在科威特大学、基尔大学、莫纳什大学、马来西亚科技大学和瑞士联邦理工学院任职及讲学。