人人可懂的模式识别(原书第2版)

CONTENTS 目 录 前言 初版前言 符号一览表 第1章 模式识别概述 1 1.1 模式识别系统的构成 1 1.2 特征向量与特征空间 2 1.3 原型与*近邻规则 6 习题 10 第2章 学习与识别函数 12 2.1 学习的必要性 12 2.2 *近邻规则和线性识别函数 13 2.3 感知器的学习规则 16 2.4 感知器的学习实验 25 2.5 分段线性识别函数 28 习题 33 第3章 基于误差评价的学习 35 3.1 平方误差*小化学习 35 3.2 误差评价与感知器 44 3.3 神经网络与误差反向传播法 48 3.4 3层神经网络实验 54 3.5 中间层功能的确认实验 57 习题 62 第4章 识别单元的设计 63 4.1 参数学习与非参数学习 63 4.2 参数的估计 66 4.3 识别函数的设计 69 4.4 特征空间的维度和学习模式数 77 4.5 识别单元的*优化 81 习题 84 第5章 特征评价与贝叶斯误差 86 5.1 评价特征 86 5.2 类间方差与类内方差的比 87 5.3 贝叶斯误差 88 5.4 贝叶斯误差与*近邻规则 92 5.5 贝叶斯误差估计法 99 5.6 特征评价的实验 105 习题 108 第6章 特征空间的变换 110 6.1 特征选择与特征空间的变换 110 6.2 特征量的归一化 113 6.3 KL展开 116 6.4 线性判别法 125 6.5 KL展开的适用法 147 习题 151 第7章 子空间法 154 7.1 子空间法的基础 154 7.2 CLAFIC法 155 7.3 子空间法和相似度法 158 7.4 正交子