模式识别原理及应用pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

模式识别原理及应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 模式识别概论 1

1.1 概述 1

1.2 模式识别的发展历史 3

1.3 模式识别与其他学科的关系 5

1.4 模式识别的基本方法 6

1.5 模式识别的应用 8

本章小结 12

习题与思考题 15

参考文献 15

第2章 模式识别的基本概念 17

2.1 概述 17

2.2 基本概念 17

2.3 模式识别系统 20

2.4 模式识别的一些基本问题 21

2.5 相关数学概念 27

本章小结 30

习题与思考题 31

参考文献 31

第3章 模式识别的判别函数 32

3.1 概述 32

3.2 线性判别函数的基本概念 32

3.3 线性判别函数的判定面 33

3.4 非线性判别函数 40

3.5 广义线性判别函数 43

3.6 线性分类器的设计 50

本章小结 53

习题与思考题 53

参考文献 54

第4章 线性分类器 55

4.1 概述 55

4.2 线性判别函数与决策超平面 55

4.3 感知器算法 59

4.4 最小误差平方和法 63

4.5 梯度下降算法与最小二乘法 66

4.6 Fisher分类器 70

本章小结 76

习题与思考题 77

参考文献 77

第5章 特征提取与选择 78

5.1 概述 78

5.2 基本概念 78

5.3 类别可分性判据 80

5.4 基于可分性判据的特征提取 87

5.5 基于K-L变换的特征提取 91

本章小结 99

习题与思考题 100

参考文献 102

第6章 基于贝叶斯决策理论的分类器 103

6.1 概述 103

6.2 贝叶斯决策理论的基本概念 104

6.3 常用的决策规则 105

6.4 概率密度函数的估计 111

6.5 朴素贝叶斯分类器 115

6.6 贝叶斯网络 116

本章小结 120

习题与思考题 121

参考文献 122

第7章 聚类分析 123

7.1 概述 123

7.2 聚类分析的概念 124

7.3 相似性度量 127

7.4 聚类准则函数 129

7.5 聚类算法 134

7.6 聚类分析在虚假评论检测中的应用 146

本章小结 150

习题与思考题 151

参考文献 152

第8章 句法模式识别 153

8.1 概述 153

8.2 形式语言概述 155

8.3 基元提取和文法推断 159

8.4 句法分析 161

8.5 自动机理论 164

8.6 自动机理论在语音识别中的应用 168

本章小结 172

习题与思考题 173

参考文献 174

第9章 模糊模式识别 175

9.1 概述 175

9.2 模糊模式识别的基本概念 175

9.3 直接模糊模式识别法 177

9.4 间接模糊模式识别法 181

9.5 模糊聚类 183

9.6 模糊模式识别在大气质量评定中的应用 190

本章小结 193

习题与思考题 193

参考文献 195

第10章 决策树 196

10.1 概述 196

10.2 决策树学习 197

10.3 CLS学习算法 199

10.4 ID3学习算法 202

10.5 决策树的剪枝技术 210

10.6 决策树的评价 215

10.7 决策树算法的优化 215

10.8 决策树的应用 216

10.8.1 决策树在文本分类中的应用 216

10.8.2 基于决策树的个人住房贷款信用风险评估模型 220

本章小结 226

习题与思考题 227

参考文献 229

第11章 人工神经网络 230

11.1 概述 230

11.2 神经元 230

11.3 人工神经网络拓扑结构 233

11.4 人工神经网络学习方法及规则 233

11.5 前馈神经网络及其主要算法 235

11.6 Hopfield网络 241

11.7 自组织神经网络 244

11.8 人工神经网络的应用 246

本章小结 248

习题与思考题 249

参考文献 250

第12章 隐马尔可夫模型 251

12.1 概述 251

12.2 隐马尔可夫模型的概念 251

12.3 隐马尔可夫模型的三个基本问题及解决办法 256

12.4 隐马尔可夫模型在中文旅游景点识别中的应用 265

本章小结 269

习题与思考题 270

参考文献 271

第13章 最大熵模型 272

13.1 概述 272

13.2 熵及最大熵 273

13.3 最大熵模型 280

13.4 最大熵在自然语言处理中的应用 286

本章小结 290

习题与思考题 290

参考文献 291

第14章 条件随机场 292

14.1 概述 292

14.2 概率图模型 292

14.3 条件随机场简介 298

14.4 势函数 299

14.5 参数估计与训练 300

14.6 参数估计的优化 305

14.7 条件随机场在旅游领域命名实体识别中的应用 307

本章小结 312

习题与思考题 313

参考文献 313

第15章 统计学习理论及支持向量机 315

15.1 概述 315

15.2 机器学习的基本问题和方法 316

15.3 统计学习理论 318

15.4 支持向量机 322

15.5 支持向量机的分类与回归 329

15.6 基于支持向量机的汉语问句分类 338

本章小结 341

习题与思考题 342

参考文献 342

第16章 统计语言模型及信息检索 344

16.1 概述 344

16.2 统计语言模型 344

16.3 信息检索 353

16.4 统计语言模型在拼音输入法中的应用 367

本章小结 370

习题与思考题 371

参考文献 371

第17章 基于SVM的中文文本分类 373

17.1 概述 373

17.2 文本分类的原理 373

17.3 基于SVM的文本分类 376

本章小结 378

参考文献 378

第18章 基于K均值的中文文本聚类 379

18.1 概述 379

18.2 K均值聚类 379

18.3 K均值中文文本聚类 380

18.4 实验与结果分析 382

本章小结 383

参考文献 384

第19章 基于HMM的语音识别 385

19.1 概述 385

19.2 语音识别 386

19.3 实验及结果分析 390

本章小结 398

参考文献 399

第20章 基于BP神经网络的数字识别 400

20.1 概述 400

20.2 基于BP神经网络数字识别的算法 400

本章小结 408

参考文献 409