|
统计模式识别（第二版）——国外计算机科学教材系列（英）韦布（WebbA.R.） 王萍 等
内容提要：
本书对统计模式识别的基本理论和技术做了全面且详尽的介绍。包括用于分类器设计的重要方法和用于数据分析和预处理的关键技术。前者有基于概率密度函数估计的参数法和非参数法，基于判别函数构建的线性模型、径向基函数网络、支持向量机、投影方法（神经网络）和判别分析决策树等；后者涉及特征选择和特征提取以及聚类分析。
此外，本书还就分类器的特性测评和利用分类器的组合技术改进分类器特性等进行了较充分的讨论。并且，对模型选择、不可靠分类、缺值数据、离群值检测、连续变量与离散变量的混合等问题进行了探讨。
本书论述简明清楚、概念明确，应用实例涉及广泛、启发性强，是从事模式识别研究和应用工作的重要参考用书，也可以作为信息类研究生课程的教材。
目录：
第1章 统计模式识别概论
1.1 统计模式识别
1.2 解决模式识别问题的步骤
1.3 问题讨论
1.4 有监督分类和无监督分类
1.5 研究统计模式识别问题的方法
1.6 多重回归
1.7 本书梗概
1.8 参考文献
1.9 习题
第2章 密度估计——参数法
2.1 引言
2.2 基于正态分布的模型
2.3 正态混合模型
2.4 贝叶斯估计
2.5 应用研究
2.6 总结
2.7 建议
2.8 参考文献
2.9 习题
第3章 密度估计——非参数法
3.1 引言
3.2 直方图法
3.3 k近邻法
3.4 用基函数展开
3.5 核函数方法
3.6 应用研究
3.7 总结
3.8 建议
3.9 参考文献
3.10习题
第4章 线性判别分析
4.1 引言
4.2 两类问题算法
4.3 多类算法
4.4 逻辑斯谛判别
4.5 应用研究
4.6 总结
4.7 建议
4.8 参考文献
4.9 习题
第5章 非线性判别分析——核函数法
5.1 引言
5.2 优化准则
5.3 径向基函数
5.4 非线性支持向量机
5.5 应用研究
5.6 总结
5.7 建议
5.8 参考文献
5.9 习题
第6章 非线性判别分析——投影法
6.1 引言
6.2 多层感知器
6.3 投影寻踪
6.4 应用研究
6.5 总结
6.6 建议
6.7 参考文献
6.8 习题
第7章 基于树的方法
7.1 引言
7.2 分类树
7.3 多元自适应回归样条
7.4 应用研究
7.5 总结
7.6 建议
7.7 参考文献
7.8 习题
第8章 性能
8.1 引言
8.2 性能评价
8.3 分类器性能的比较
8.4 分类器的组合
8.5 应用研究
8.6 总结
8.7 建议
8.8 参考文献
8.9 习题
第9章 特征选择与特征提取
9.1 引言
9.2 特征选择
9.3 线性特征提取
9.4 多维尺度分析
9.5 应用研究
9.6 总结
9.7 建议
9.8 参考文献
9.9 习题
第10章 聚类
10.1 引言
10.2 分层聚类法
10.3 快速分类
10.4 混合模型
10.5 平方和方法
10.6 聚类有效性
10.7 应用研究
10.8 总结
10.9 建议
10.10参考文献
10.11习题
第11章 其他论题
11.1 模型选择
11.2 不可靠分类的学习
11.3 缺值数据
11.4 离群值检测和鲁棒方法
11.5 连续变量与离散变量的混合
11.6 结构风险最小化以及VapnikChervonenkis维数
附录A 相异测度
附录B 参数估计
附录C 线性代数
附录D 数据
附录E 概率论
参考文献
封面：点击察看
详细介绍
点击这里打折购买
还可以去卓越网、蔚蓝书店查看是否有更大折扣
| 
│首页┊查询┊网址┊常用┊免费┊图书┊知识┊卡片┊论文┊教程┊下载┊图片│