您所在的位置:图书> 图书详情
分享到:

模式识别

  • 作 者:张向荣等
  • 书代号:564800
  • I S B N:978-7-5606-5346-4
  • 出版日期:2019-09
  • 印刷日期:2019-09
  • 业务分类:研究生;
  • 图书库存:加载中...
  • 纸书价格:- 元 原价:40.00
  • 在线阅读:-
  • 电子书:-

购书款满88元包邮(包邮地区仅限内地,新疆、西藏除外)

内容简介
前言
目录
编辑推荐
相关资源
    

本书系统地论述了模式识别基本概念、算法及应用,体现了传统模式识别内容与当前最新发展的结合与补充。全书包括三部分内容,共15章。第一部分共7章,主要介绍了经典模式识别方法,着重讨论监督学习,即已知训练样本及其类别条件下分类器的设计方法,然后介绍了无监督模式识别,最后讲解了模式识别系统中,特征提取和特征选择的准则和算法;第二部分共3章,主要介绍了现代模式识别方法,包含支持向量机、组合分类器以及半监督学习; 第三部分共5章,主要介绍了深度学习模式识别方法, 从现有的深度神经网络出发,讲解了强化学习、宽度学习、图卷积神经网络等模式识别方法。最后,以实例的形式给出模式识别在各个领域中的应用,使读者对模式识别方法有更直观的认识。

本书可作为高等院校模式识别、计算机科学与工程、控制科学与工程、智能科学与技术等相关专业研究生或本科生的参考用书,也可为人工智能、计算机科学、控制科学领域的研究人员提供参考。

模式识别是指对表征事物或现象的各种形式的信息进行处理和分析, 以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别诞生于20世纪20年代,随着40年代计算机的出现,50年代人工智能的兴起,模式识别在60年代初迅速发展为一门学科。它所研究的理论和方法在很多科学和技术领域中得到了广泛的重视,并且推动了人工智能系统的发展,扩大了计算机应用的可能性。几十年来,模式识别研究取得了大量的成果,得到了成功的应用。

由于模式识别具有广泛的应用价值和发展潜力,因而得到了人们的重视。在统计模式识别发展早期,研究主要集中在以下几个领域:贝叶斯决策规则和它的各种变形、密度估计、维数灾难和误差估计。20世纪60、70年代,由于有限的计算能力,统计模式识别只用相对简单的技术来解决小规模问题。20世纪80年代以来,统计模式识别经历了迅速的发展。日益增加的不同学科的交叉和结合,包括神经网络、机器学习、数学、计算机科学等多个学科的专家提出新的思想方法和技术,丰富了传统的统计模式识别范例。数据挖掘、文本分类等新的应用的出现对统计模式识别提出了新的挑战。当前,以人工智能技术为代表的新一轮科技革命方兴未艾,进一步推动着模式识别算法的发展及其应用研究。

本书结合传统模式识别内容与当前的最新发展,将传统内容与学科前沿相互补充。全书包括经典模式识别、现代模式识别以及深度学习模式识别三个部分,共15章。第一部分共7章,主要介绍了经典模式识别方法,着重讨论监督学习,即已知训练样本及其类别条件下分类器的设计方法,然后介绍了无监督模式识别,最后讲解了模式识别系统中特征提取和特征选择的准则和算法。第二部分共3章,主要介绍了现代模式识别方法,包含支持向量机、组合分类器以及半监督学习。第三部分共5章,主要介绍了深度学习模式识别方法,从现有的深度神经网络出发,讲解了强化学习、宽度学习、图卷积神经网络等模式识别方法。最后本书还以实例的形式给出了模式识别在各个领域中的应用,使读者对模式识别方法有更直观的认识。

本书是西安电子科技大学人工智能学院模式识别研究中心多年来教学与研究经验的总结和凝练,可作为模式识别、计算机科学与工程、控制科学与工程、智能科学与技术等相关专业研究生或高年级本科生的参考用书,亦可供相关领域的研究人员参考。

感谢西安电子科技大学“智能感知与图像理解”教育部重点实验室、“智能感知与计算”教育部国际联合实验室、国家“111”计划创新引智基地、国家“2011”信息感知协同创新中心、“大数据智能感知与计算”陕西省2011协同创新中心每一位同仁的支持。感谢王丹、孙雨佳、朱鹏、邢珍杰、梁婷、刘风昇、王少娜、韩骁、陈建通、冯雪亮、李迪、吴贤德、曾德宁、叶湛伟、赵宁等研究生付出的辛勤劳动。

限于作者水平,书中难免存在不妥之处,殷切期望读者批评指正。

版权所有(C) 西安电子科技大学出版社 Copyrights @ 2015 陕ICP备15015893号