《模式分类》求取 ⇩

第一章　引论1

1.1　一般论述1

1.2定义2

1.3　基本前提11

1.4　本书的主题范围15

1.5　应用17

1.6　小结19

第二章　预处理21

2.1编码22

2.1.1　一般说明22

2.1.2　采样23

2.1.3　脉冲编码调制28

2.1.5　链码33

2.1.4　跑长编码33

2.1.6　附注34

2.2　阈值运算35

2.3　模式改善39

2.3.1目的要求39

2.3.2　线性系统40

2.3.3　离散傅里叶变换44

2.3.4　选择一个线性系统的观点51

2.3.5　非线性运算55

2.4　正规化措施60

2.4.1　目的要求60

2.4.2　大小61

2.4.3　位置65

2.4.4　能量68

2.4.5　线条厚度70

2.4.6　说话者72

2.4.7　附注73

2.5　离散模式的运算73

2.5.1　离散模式的连通73

2.5.2　并行和顺序的运算75

2.6　小结76

第三章　特征79

3.1目的要求与一般方法80

3.2　启发式的方法83

3.2.1　按一个正交基的展开83

3.2.2　离散傅里叶变换的应用85

3.2.3　沃尔什（Walsh）变换的应用92

3.2.4　R变换97

3.2.5　线性预测98

3.2.6矩101

3.2.7　特征滤波器103

3.2.8　特性系数106

3.3　分析的方法109

3.3.1准则109

3.3.2　与问题有关的级数展开110

3.3.3　最优线性变换118

3.3.4　附注125

3.4　特征评价与选择128

3.4.1目的要求与问题128

3.4.2　特征的品质度量129

3.4.3　选择方法138

3.5　符号145

3.5.1　符号的确定145

3.5.2　符号的抽取149

3.6　特征举例155

3.7　小结161

第四章　数值分类165

4.1　统计分类器166

4.1.1　前提条件166

4.1.2　分布密度的确定167

4.1.3　最优分类器169

4.1.4　特殊形式173

4.1.5　错误概率与损失179

4.1.6　类正态分布特征向量181

4.2　与分布无关的分类器185

4.2.1　假设185

4.2.2　优化求解187

4.2.3　分离函数的计算189

4.2.4　拒识别准则196

4.3.1　分布密度的非参数估计197

4.3　非参数分类器197

4.3.2　最近邻分类器200

4.3.3　容许域206

4.4　其他分类器类型209

4.4.1　序贯分类器209

4.4.2　决策树与分层分类211

4.4.3　标称特征分类器214

4.4.4　距离测量分类器216

4.4.5　上下文的考虑223

4.5　学习分类器229

4.5.1　目的要求229

4.5.2　类别可分离样本集232

4.5.3　类别不可分离样本集236

4.5.4　逐段线性分离函数240

4.5.5　统计方法245

4.5.6　聚类分析250

4.5.7　混合分布的辨识257

4.5.8　决策管理的学习261

4.5.9　附注262

4.6　维数问题263

4.7　小结268

第五章　非数值（句法）分类271

5.1　原则271

5.2　文法275

5.2.1　构形275

5.2.2　链文法277

5.2.3　程序文法281

5.2.4　随机文法283

5.2.5　属性文法285

5.2.6　补充288

5.2.7　位置关系290

5.2.8　用于模式识别的文法291

5.3　符号串的分类299

5.3.1　引言299

5.3.2　正则语言300

5.3.3　上下文无关语言306

5.3.4　误差的处理313

5.4　文法的自动构造318

5.4.1　一般论述318

5.4.2　有穷自动机的一个构造式方法322

5.5　小结327

第六章　一个分类系统329

参考文献334

名词术语索引351