模式識(shí)別導(dǎo)論

第1章 緒論
1．1 模式和模式識(shí)別的概念
1．2 模式識(shí)別系統(tǒng)
1．2．1 簡(jiǎn)例
1．2．2 模式識(shí)別系統(tǒng)組成
1．3 模式識(shí)別概況
1．3．1 模式識(shí)別發(fā)展簡(jiǎn)介
1．3．2 模式識(shí)別分類(lèi)
1．4 模式識(shí)別的應(yīng)用
第2章 聚類(lèi)分析
2．1 距離聚類(lèi)的概念
2．2 相似性測(cè)度和聚類(lèi)準(zhǔn)則
2．2．1 相似性測(cè)度
2．2．2 聚類(lèi)準(zhǔn)則
2．3 基于距離閾值的聚類(lèi)算法
2．3．1 近鄰聚類(lèi)法
2．3．2 最大最小距離算法
2．4 層次聚類(lèi)法
2．5 動(dòng)態(tài)聚類(lèi)法
2．5．1 K-均值算法
2．5．2 迭代自組織的數(shù)據(jù)分析算法
2．6 聚類(lèi)結(jié)果的評(píng)價(jià)
習(xí)題
第3章 判別函數(shù)及幾何分類(lèi)法
3．1 判別函數(shù)
3．2 線性判別函數(shù)
3．2．1 線性判別函數(shù)的一般形式
3．2．2 線性判別函數(shù)的性質(zhì)
3．3 廣義線性判別函數(shù)
3．4 線性判別函數(shù)的幾何性質(zhì)
3．4．1 模式空間與超平面
3．4．2 權(quán)空間與權(quán)向量解
3．4．3 二分法
3．5 感知器算法
3．6 梯度法
3．6．1 梯度法基本原理
3．6．2 固定增量算法
3．7 最小平方誤差算法
3．8 非線性判別函數(shù)
3．8．1 分段線性判別函數(shù)
3．8．2 分段線性判別函數(shù)的學(xué)習(xí)方法
3．8．3 勢(shì)函數(shù)法
習(xí)題
第4章 基于統(tǒng)計(jì)決策的概率分類(lèi)法
4．1 研究對(duì)象及相關(guān)概率
4．2 貝葉斯決策
4．2．1 最小錯(cuò)誤率貝葉斯決策
4．2．2 最小風(fēng)險(xiǎn)貝葉斯決策
4．2．3 正態(tài)分布模式的貝葉斯決策
4．3 貝葉斯分類(lèi)器的錯(cuò)誤率
4．3．1 錯(cuò)誤率的概念
4．3．2 錯(cuò)誤率分析
4．3．3 正態(tài)分布貝葉斯決策的錯(cuò)誤率計(jì)算
4．3．4 錯(cuò)誤率的估計(jì)
4．4 聶曼·皮爾遜決策
4．5 概率密度函數(shù)的參數(shù)估計(jì)
4．5．1 最大似然估計(jì)
4．5．2 貝葉斯估計(jì)與貝葉斯學(xué)習(xí)
4．6 概率密度函數(shù)的非參數(shù)估計(jì)
4．6．1 非參數(shù)估計(jì)的基本方法
4．6．2 Parzen窗法
4．6．3 k近鄰估計(jì)法
4．7 后驗(yàn)概率密度函數(shù)的勢(shì)函數(shù)估計(jì)法
習(xí)題
第5章 特征選擇與特征提取
5．1 基本概念
5．2 類(lèi)別可分性測(cè)度
5．2．1 基于距離的可分性測(cè)度
5．2．2 基于概率分布的可分性測(cè)度
5．3 基于類(lèi)內(nèi)散布矩陣的單類(lèi)模式特征提取
5．4 基于K-L變換的多類(lèi)模式特征提取
5．5 特征選擇
5．5．1 特征選擇的準(zhǔn)則
5．5．2 特征選擇的方法
習(xí)題
第6章 句法模式識(shí)別
6．1．句法模式識(shí)別概述
6．2 形式語(yǔ)言的基本概念
6．2．1 基本定義
6．2．2 文法分類(lèi)
6．3 模式的描述方法
6．3．1 基元的確定
6．3．2 模式的鏈表示法
6．3．3 模式的樹(shù)表示法
6．4 文法推斷
6．4．1 基本概念
6．4．2 余碼文法的推斷
6．4．3 擴(kuò)展樹(shù)文法的推斷
6．5 句法分析
6．5．1 參考鏈匹配法
6．5．2 填充樹(shù)圖法
6．5．3 CYK分析法
6．5．4 厄利分析法
6．6 句法結(jié)構(gòu)的自動(dòng)機(jī)識(shí)別
6．6．1 有限態(tài)自動(dòng)機(jī)與正則文法
6．6．2 下推自動(dòng)機(jī)與上下文無(wú)關(guān)文法
習(xí)題
第7章 模糊模式識(shí)別法
7．1 模糊數(shù)學(xué)概述
7．1．1 模糊數(shù)學(xué)的產(chǎn)生背景
7．1．2 模糊性
7．1．3 模糊數(shù)學(xué)在模式識(shí)別領(lǐng)域的應(yīng)用
7．2 模糊集合
7．2．1 模糊集合定義
7．2．2 隸屬函數(shù)的確定
7．2．3 模糊集合的運(yùn)算
7．2．4 模糊集合與普通集合的相互轉(zhuǎn)化
7．3 模糊關(guān)系與模糊矩陣
7．3．1 模糊關(guān)系定義
7．3．2 模糊關(guān)系的表示
7．3．3 模糊關(guān)系的建立
7．3．4 模糊關(guān)系和模糊矩陣的運(yùn)算
7．3．5 模糊關(guān)系的三大性質(zhì)
7．4 模糊模式分類(lèi)的直接方法和間接方法
7．4．1 直接方法——隸屬原則
7．4．2 間接方法——擇近原則
7．5 模糊聚類(lèi)分析法
7．5．1 基于模糊等價(jià)關(guān)系的聚類(lèi)分析法
7．5．2 模糊相似關(guān)系直接用于分類(lèi)
7．5．3 模糊K-均值算法
7．5．4 模糊ISODATA算法
習(xí)題
第8章 神經(jīng)網(wǎng)絡(luò)模式識(shí)別法
附錄A 向量和矩陣運(yùn)算
附錄B 標(biāo)準(zhǔn)正態(tài)分布表及概率計(jì)算
附錄C 計(jì)算機(jī)作業(yè)所用樣本數(shù)據(jù)
參考文獻(xiàn)