《模式识别基础》求取 ⇩

前言1

第一章 概述1

1.1 模式识别的概念1

1.2 模式的表述5

第二章 统计决策理论8

2.1 引言8

2.2 最小错误的Bayes决策9

2.3 最小风险的Bayes决策13

2.4 NeymanPearson决策16

2.5 最小最大决策17

2.6 判决规划的似然比形式19

2.7 判决函数和决策面22

2.8 序贯分类29

第三章 参数估值和监督学习33

3.1 引言33

3.2 最大似然估值34

3.3 Bayes估值39

4.2 密度函数估计的基本概念50

第四章 非参数技术50

4.1 引言50

4.3 Parzen窗孔法52

4.4 K最近邻密度估计62

4.5 K-最近邻判决规则64

4.6 级数展开法67

4.7 位势函数法78

第五章 线性判别函数85

5.1 引言85

5.2 线性判别函数的几何意义86

5.3 广义线性判别函数88

5.4 感知准则函数90

5.5 单子样校正法93

5.6 松驰法95

5.7 线性分类器的设计98

5.8 最小二乘法及伪逆103

5.9 随机近似106

6.2 距离的概念109

6.1 引言109

第六章 集群分析109

6.3 集群处理的概念112

6.4 集群准则函数114

6.5 迭代优化法118

6.6 分级集群技术121

6.7 最小张树130

6.8 分类树和最小张树的分割134

6.9 交叉分割134

7.1 引言139

第七章 模式的结构描述139

7.2 链码143

7.3 图象描述语言145

7.4 中轴变换151

7.5 初等凸子集153

7.6 凹角处的分解157

7.7 进一步分解和形状描述160

8.2 文法和语言162

8.1 引言162

第八章 形式语言和自动机162

8.3 有限状态自动机167

8.4 下推自动机167

第九章 句法剖析186

9.1 引言186

9.2 自上而下的剖析187

9.3 自下而上的剖析190

9.4 Earley剖析法192

9.5 CYK剖析法195

第十章 文法推断202

10.1 引言202

10.2 规范确定文法推断203

10.3 导出文法推断205

10.4 形式微商文法推断207

10.5 K--尾文法推断210

10.6 上下文无关语言的文法推断213

主要参考书215

附录：分类数据集217