模式識別原理及應(yīng)用

第1章 模式識別概論1.1 概述1.2 模式識別的發(fā)展歷史1.3 模式識別與其他學(xué)科的關(guān)系1.4 模式識別的基本方法1.5 模式識別的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第2章 模式識別的基本概念2.1 概述2.2 基本概念2.3 模式識別系統(tǒng)2.4 模式識別的一些基本問題2.5 相關(guān)數(shù)學(xué)概念本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第3章 模式識別的判別函數(shù)3.1 概述3.2 線性判別函數(shù)的基本概念3.3 線性判別函數(shù)的判定面3.4 非線性判別函數(shù)3.5 廣義線性判別函數(shù)3.6 線性分類器的設(shè)計本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第4章 線性分類器4.1 概述4.2 線性判別函數(shù)與決策超平面4.3 感知器算法4.4 最小誤差平方和法4.5 梯度下降算法與最小二乘法4.6 Fisher分類器本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第5章 特征提取與選擇5.1 概述5.2 基本概念5.3 類別可分性判據(jù)5.4 基于可分性判據(jù)的特征提取5.5 基于K-L變換的特征提取本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第6章 基于貝葉斯決策理論的分類器6.1 概述6.2 貝葉斯決策理論的基本概念6.3 常用的決策規(guī)則6.4 概率密度函數(shù)的估計6.5 樸素貝葉斯分類器6.6 貝葉斯網(wǎng)絡(luò)本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第7章 聚類分析7.1 概述7.2 聚類分析的概念7.3 相似性度量7.4 聚類準(zhǔn)則函數(shù)7.5 聚類算法7.6 聚類分析在虛假評論檢測中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第8章 句法模式識別8.1 概述8.2 形式語言概述8.3 基元提取和文法推斷8.4 句法分析8.5 自動機(jī)理論8.6 自動機(jī)理論在語音識別中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第9章 模糊模式識別9.1 概述9.2 模糊模式識別的基本概念9.3 直接模糊模式識別法9.4 間接模糊模式識別法9.5 模糊聚類9.6 模糊模式識別在大氣質(zhì)量評定中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第10章 決策樹10.1 概述10.2 決策樹學(xué)習(xí)10.3 CLS學(xué)習(xí)算法10.4 ID3學(xué)習(xí)算法10.5 決策樹的剪枝技術(shù)10.6 決策樹的評價10.7 決策樹算法的優(yōu)化10.8 決策樹的應(yīng)用10.8.1 決策樹在文本分類中的應(yīng)用10.8.2 基于決策樹的個人住房貸款信用風(fēng)險評估模型本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第11章 人工神經(jīng)網(wǎng)絡(luò)11.1 概述11.2 神經(jīng)元11.3 人工神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)11.4 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法及規(guī)則11.5 前饋神經(jīng)網(wǎng)絡(luò)及其主要算法11.6 Hopfield網(wǎng)絡(luò)11.7 自組織神經(jīng)網(wǎng)絡(luò)11.8 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第12章 隱馬爾可夫模型12.1 概述12.2 隱馬爾可夫模型的概念12.3 隱馬爾可夫模型的三個基本問題及解決辦法12.4 隱馬爾可夫模型在中文旅游景點(diǎn)識別中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第13章 最大熵模型13.1 概述13.2 熵及最大熵13.3 最大熵模型13.4 最大熵在自然語言處理中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第14章 條件隨機(jī)場14.1 概述14.2 概率圖模型14.3 條件隨機(jī)場簡介14.4 勢函數(shù)14.5 參數(shù)估計與訓(xùn)練14.6 參數(shù)估計的優(yōu)化14.7 條件隨機(jī)場在旅游領(lǐng)域命名實(shí)體識別中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第15章 統(tǒng)計學(xué)習(xí)理論及支持向量機(jī)15.1 概述15.2 機(jī)器學(xué)習(xí)的基本問題和方法15.3 統(tǒng)計學(xué)習(xí)理論15.4 支持向量機(jī)15.5 支持向量機(jī)的分類與回歸15.6 基于支持向量機(jī)的漢語問句分類本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第16章 統(tǒng)計語言模型及信息檢索16.1 概述16.2 統(tǒng)計語言模型16.3 信息檢索16.4 統(tǒng)計語言模型在拼音輸人法中的應(yīng)用本章小結(jié)習(xí)題與思考題參考文獻(xiàn)
第17章 基于SVM的中文文本分類17.1 概述17.2 文本分類的原理17.3 基于SVM的文本分類本章小結(jié)參考文獻(xiàn)
第18章 基于K均值的中文文本聚類18.1 概述18.2 K均值聚類18.3 K均值中文文本聚類18.4 實(shí)驗(yàn)與結(jié)果分析本章小結(jié)參考文獻(xiàn)
第19章 基于HMM的語音識別19.1 概述19.2 語音識別19.3 實(shí)驗(yàn)及結(jié)果分析本章小結(jié)參考文獻(xiàn)
第20章 基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識別20.1 概述20.2 基于BP神經(jīng)網(wǎng)絡(luò)數(shù)字識別的算法本章小結(jié)參考文獻(xiàn)