《计算机模式识别 统计方法》求取 ⇩

第一章导言1

1·1一般论述1

目录1

1·2基本概念2

1·3基本原则5

1·4分类系统及分析系统的结构7

1·5应用情况与前景8

1·6一个模式分类的例子9

第二章统计分类器18

2·1问题和思想18

2·2最优分类器19

2·3最优分类器的特殊形式——Bayes分类器21

2·4统计分类器的错误概率23

2·5正态分布持征向量的统计分类器24

2·8正态分布特征向量统计分类器的特殊形式26

2·8损失函数及其设置27

2·7拒分类准则27

第三章几何分类器30

3·1问题和思想30

3·2几何分类器的一般求解31

3·3拒分类准则34

第四章线性分类器36

4·1最小距离分类器36

4·2加权最小距离分类器37

4·3可调线性分类器40

4·4可调线性分类器收敛性的证明42

4·5逐段线性分类器44

第五章非参数分类器46

5·1问题和思想46

5·2m-最近邻分类器与最近邻分类器47

5·3近邻分类器的错误概率48

5·4·1CNN算法52

5·4·2RNN算法52

5·4实现近邻分类器时样本集ω的精简52

5·4·3类边界模式的确定53

5·4·4J.R.Ullmann算法（一）53

5·4·5J.R.Ullmann算法（二）53

5·4·6ChangChin-Liang算法54

5·5加权m-最近邻分类器56

5·5·1W-m-NN分类规则57

5-5·2权函数的一个具体形式58

6·1问题和思想60

第六章多项式分类器60

6·2多项式分类器系数矩阵的计算（一）61

6·3多项式分类器系数矩阵的计算（二）63

6·4多项式分类器的性能64

6·5全平方多项式分类器65

第七章回归分类器67

7·1δ-函数67

7·2回归分类器的一般求解68

7·3回归分类器的性能71

7·4线性回归分类器72

7·5线性回归分类器的性能73

7·6推广至多类问题74

第八章非线性分类器76

8·1线性分类器实现分类的可能界限76

8·2非线性分离函数的一般形式及非线性分类器的一般结构78

8·3幂列分类器79

8·4位势分类器和加仅位势分类器81

8·5一个非线性分类器设计举例83

第九章其他类型的分类器87

9·1距离测量分类器87

9·1·1最小距离测量分类器87

9·1·2距离测量的最优校正函数和非线性正规化处理88

9·1·3计算最优校正函数及最优距离的动态程序设计方法90

9·2序贯分类器91

9·3决策树及分层分类器92

9·4前后文分类器94

9·5网格灰度值特征向量的近旁关联分类器97

第十章有人管理的学习100

10·1关于学习问题的一般论述100

10·2在类别可分离样本集下有人管理的学习101

10·3在类别不可分离样本集下有人管理的学习102

10·4统计分类器的有人管理的学习104

10·5Aizerman学习分类器107

10·6变换模式法111

10·7概率下降法115

第十一章无人管理的学习117

11·1聚类分析方法的一般论述117

11·2类别均匀性准则119

11·3混合分布的鉴别方法（统计分类器的无人管理的学习）122

11·4正态分布特征向量统计分类器的无人管理的学习123

第十二章决策管理的学习126

12·1一般论述126

12·2决策管理的学习的最大似然算法128

12·3通过有人管理的学习算法实现决策管理的学习129

第十三章模式的预处理134

13·1模式的计算机表示，扫描定律134

13·2模式的改善137

13·2·1平滑处理138

13·2·2反差增强及边缘陡度的提高141

13·2·3模式改善的非线性方法144

13·3阈值处理，二值图象的产生147

13·3·1灰度直方图方法147

13·3·2Chow-Kaneko算法148

13·3·3最优阈值算法149

13·3·4由灰度值的振幅来确定阈值150

13·3·5确定阈值的聚类分析方法151

13·4边缘检测154

13·4·1微分方法154

13·4·2腐蚀与膨胀并行的非线性边缘检测156

13·4·3客体外部轮廓线的跟踪157

13·4·4拉普拉斯算子方法157

13·4·5Sobel算法158

13·4·6Rosenfeld算法159

13·4·7均衡平面方法160

13·4·8依据优化准则的边缘近似161

13·5一个分离客体的表格分析方法163

13·5·1定义和例子163

13·5·2算法描述164

13·5·3算法执行的效果166

13·6模式编码166

13·6·2行程编码167

13·6·1方向链码167

13·7模式的正规化处理168

13·7·1目的和任务168

13·7·2模式大小的正规化处理169

13·7·3模式位置的正规化处理170

13·7·4模式的细化处理172

13·7·5模式能量的正规化处理173

14·1一般论述175

第十四模式特征的抽取175

14·2模式依据正交归一化函数系的展开176

14·3Fourier展开式系数特征178

14·4离散Fourier变换及其在特征抽取中的应用179

14·5Walsh变换及其在特征抽取中的应用181

14·8矩特征184

14·7循环自相关特征185

14·8互相关特征187

14·9几何特征量188

14·10Karhunen-Loeve展开，依据给定准则的最优特征的抽取190

14·11依据错误概率的最优线性特征选择195

14·12线性预测方法200

14·13特征空间维数的压缩，保持结构的变换202

14·14模式变换及其齐次坐标描述207

14·14·1齐次坐标207

14·14·2模式的相似、平移和旋转变换209

14·14·3投影211