齣版者的話
專傢指導委員會
譯者序
前言
第1章 緒論
1.1 機器感知
1.2 一個例子
1.3 模式識彆係統
1.4 設計循環
1.5 學習和適應
1.6 本章小結
全書各章概要
文獻和曆史評述
參考文獻
第2章 貝葉斯決策論
2.1 引言
2.2 貝葉斯決策論——連續特徵
2.3 最小誤差率分類
2.4 分類器、判彆函數及判定麵
2.5 正態密度
2.6 正態分布的判彆函數
2.7 誤差概率和誤差積分
2.8 正態密度的誤差上界
2.9 貝葉斯決策論——離散特徵
2.10 丟失特徵和噪聲特徵
2.11 貝葉斯置信網
2.12 復閤貝葉斯決策論及上下文
本章小結
文獻和曆史評述
習題
上機練習
參考文獻
第3章 最大似然估計和貝葉斯參數估計
第4章 非參數技術
第5章 綫性判彆函數
第6章 多層神經網絡
第7章 隨機方法
第8章 非度量方法
第9章 獨立於算法的機器學習
第10章 無監督學習和聚類
附錄A 數學基礎
參考文獻
索引
· · · · · · (收起)
專傢指導委員會
譯者序
前言
第1章 緒論
1.1 機器感知
1.2 一個例子
1.3 模式識彆係統
1.4 設計循環
1.5 學習和適應
1.6 本章小結
全書各章概要
文獻和曆史評述
參考文獻
第2章 貝葉斯決策論
2.1 引言
2.2 貝葉斯決策論——連續特徵
2.3 最小誤差率分類
2.4 分類器、判彆函數及判定麵
2.5 正態密度
2.6 正態分布的判彆函數
2.7 誤差概率和誤差積分
2.8 正態密度的誤差上界
2.9 貝葉斯決策論——離散特徵
2.10 丟失特徵和噪聲特徵
2.11 貝葉斯置信網
2.12 復閤貝葉斯決策論及上下文
本章小結
文獻和曆史評述
習題
上機練習
參考文獻
第3章 最大似然估計和貝葉斯參數估計
第4章 非參數技術
第5章 綫性判彆函數
第6章 多層神經網絡
第7章 隨機方法
第8章 非度量方法
第9章 獨立於算法的機器學習
第10章 無監督學習和聚類
附錄A 數學基礎
參考文獻
索引
· · · · · · (收起)
具體描述
《模式分類》(原書第2版)的第1版《模式分類與場景分析》齣版於1973年，是模式識彆和場景分析領域奠基性的經麯名著。在第2版中，除瞭保留瞭第1版的關於統計模式識彆和結構模式識彆的主要內容以外，讀者將會發現新增瞭許多近25年來的新理論和新方法，其中包括神經網絡、機器學習、數據挖掘、進化計算、不變量理論、隱馬爾可夫模型、統計學習理論和支持嚮量機等。作者還為未來25年的模式識彆的發展指明瞭方嚮。書中包含許多實例，各種不同方法的對比，豐富的圖錶，以及大量的課後習題和計算機練習。
用戶評價
評分
##習題好多
評分##編譯原理作為模式分類的一個分支。周誌華《機器學習》從這裏抄瞭不少！離散數據三種處理：一，有序的條件下成為連續，二，嚮量化，三，利用結構化和規則。
評分有經驗的人不屑於看，初學者看不懂。懂的部分不用看，不懂的部分無論如何也看不懂。這些是美國很多計算機教科書的通病。這本書也沒有例外。
評分##期末刷書。馬馬虎虎，挑著看瞭一下。這本書還是有點兒難的，但是有的地方又說的太少
評分##為瞭搞論文而讀的，現在國外好比較太時髦吧。
評分##掃過
評分##沒學過的看不明白，學懂瞭的又懶得看，所以最適閤我這種學過跟沒學過似的的（當年的感想）
評分##習題好多
評分##習題好多
相關圖書
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.tinynews.org All Rights Reserved. 静思书屋 版权所有